[发明专利]一种基于YOLO的隧道内铁轨缺陷检测方法

说明书

一种基于YOLO的隧道内铁轨表面缺陷检测方法，包括如下步骤：1)具有图像采集、自主定位功能的无人机从以隧道入口为初始点，隧道出口为结束点；进入隧道内对铁轨进行巡检；2)采集铁轨表面实时图像信息，实时检测铁轨表面缺陷，若检测到表面缺陷，则进入步骤3)；否则重复步骤2)，直至到达结束位置；3)存储当前图片，标记图中缺陷位置，同时记录缺陷类型及当前无人机位置信息。本发明可提高隧道内铁轨缺陷检测效率及检测精度。

技术领域

本发明涉及缺陷检测领域和无人机领域，尤其涉及一种基于YOLO的隧道内铁轨表面缺陷检测方法。

背景技术

如今，交通运输已经成为我们生活的一部分，特别是铁路运输。中国的铁路运输正处于飞速发展阶段，而其中的铁轨表面是目前列车安全运行中比较薄弱的环节。针对铁轨表面缺陷类型，主要分为磨损、裂纹、压陷、剥落等影响铁轨正常使用和威胁列车安全行驶的隐患。

传统的隧道铁轨巡检方式主要通过人工巡检，但该方式存在许多安全隐患，在耗费大量人力的同时也因隧道内光线昏暗导致漏检误检情况严重。因此，一种行之有效的方法是使用无人机来检测隧道内铁轨表面缺陷情况。建立铁轨表面缺陷数据集，基于YOLO框架模型实现对铁轨表面缺陷的识别，通过无人机巡检实现实时检测，同时使用改进的损失函数提升对铁轨小缺陷的检测精度。

发明内容

本发明所要解决的技术问题是提供一种无人机针对隧道内铁轨表面缺陷的检测方法，可提高检测效率及检测精度。

为解决上述技术问题，本发明的技术方案是一种基于YOLO的隧道内铁轨表面缺陷检测方法，包括如下步骤：

1)具有图像采集、自主定位功能的无人机从以隧道入口为初始点，隧道出口为结束点；进入隧道内对铁轨进行巡检；

2)采集铁轨表面实时图像信息，实时检测铁轨表面缺陷，若检测到表面缺陷，则进入步骤3)；否则重复步骤2)，直至到达结束位置；

3)存储当前图片，标记图中缺陷位置，同时记录缺陷类型及当前无人机位置信息。

无人机使用激光雷达配合SLAM算法构建隧道巡检地图，并在巡检工作中进行实时定位。

在无人机机体下方搭载3*3可控阵列光源，针对隧道内光照不足的情况进行补光，光源光照强度L调节公式为：

L＝L₀+u

其中：其中光源光照强度控制如下：

自然光条件下，无人机拍摄铁轨表面的初始灰度均值隧道环境内采集图像的灰度均值h，L₀为初始光照强度，设置为100Lux，u∈[-10,10]，K_p和K_d分别为比例系数和微分系数。

无人机未检测到缺陷时速度v为：

其中：v₀为初始速度，K_v为调节系数，其取值范围为[0,0.5]；为算法理想情况下运行时的平均检测帧率，f_q为巡检过程中的实时检测帧率。

步骤2)中，对于采集的缺陷图像的检测步骤如下：

A1、采集图像预处理：采集铁轨表面的缺陷图像，对其进行预处理，所述预处理包括铁轨定位、图像增强和图像去噪，保护目标信息并消除非铁轨区域和噪声的干扰，增强图像对比度；

A2、图像张量值获取：将预处理后的缺陷图像作为输入图像，在网络中进行特征提取，得到三种尺度的特征图，并通过上采样得到张量值；