基于多尺度协作深度学习的无砟轨道板裂缝测量方法
基本信息
| 申请号 | CN202210148079.7 | 申请日 | - |
| 公开（公告）号 | CN114494240A | 公开（公告）日 | 2022-05-13 |
| 申请公布号 | CN114494240A | 申请公布日 | 2022-05-13 |
| 分类号 | G06T7/00（2017.01）I;G06T7/10（2017.01）I;G06T7/60（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 胡文博;王卫东;邱实;杨怀志;王劲;汪思成;伍定泽;朱星盛;谷永磊 | 申请（专利权）人 | 京沪高速铁路股份有限公司 |
| 代理机构 | 长沙轩荣专利代理有限公司 | 代理人 | - |
| 地址 | 100038北京市海淀区北蜂窝路5号院1号写字楼第三、四层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例中提供了一种基于多尺度协作深度学习的无砟轨道板裂缝测量方法，属于图像处理技术领域，具体包括：搭建多尺度协作深度学习的裂缝测量框架；将多张样本图像分为训练集和验证集；调整深度目标检测网络的超参数并输出训练集中每张样本图像对应的最优的裂缝区域提取结果；将每张裂缝区域提取结果进行边界坐标裁剪，得到裂缝图像并输入深度语义分割网络调整深度语义分割网络的超参数；得到裂缝测量模型；将采集到的目标无砟轨道板对应的目标图像输入裂缝检测模型，得到目标图像中裂缝的连续宽度值。通过本发明的方案，协作分析和传递图像—像素—宽度三个尺度的特征，减少了复杂背景导致的像素误判并得到了精细化的裂缝宽度测量值。 |
