[发明专利]一种铁路工机具清点方法及装置

权利要求书

1.一种铁路工机具清点方法，其特征在于，包括如下步骤：

从公共数据库中读取多个工机具样本图像，并对多个所述工机具样本图像进行预处理，通过经预处理后的多个所述工机具样本图像得到训练图像数据集；

构建目标检测网络，通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型；

通过拍摄设备对出工现场进行图像采集，得到待处理图像；

根据所述目标检测模型对所述待处理图像进行比对分析，得到遗失工机具类别的名称和数量。

2.根据权利要求1所述的铁路工机具清点方法，其特征在于，所述对多个所述工机具样本图像进行预处理，通过经处理后的多个所述工机具样本图像得到训练图像数据集的过程包括：

根据数据集增强算法分别对各个工机具样本图像进行图像变换处理，通过经变换处理后的多个工机具样本图像对所述训练图像数据集进行数量扩充，得到待标注训练图像数据集；

对所述待标注训练图像数据集中各工机具样本图像分别进行工机具位置标注和工机具类别名称标注，通过经标注后的各个工机具样本图像得到训练图像数据集。

3.根据权利要求1所述的铁路工机具清点方法，其特征在于，所述目标检测网络包括深度卷积神经网络和特征检测网络，所述构建目标检测网络的过程包括：

所述深度卷积神经网络对所述训练图像数据集进行神经网络特征提取，得到神经网络特征图组；

所述特征检测网络对所述神经网络特征图组进行检测网络特征提取，得到多个预设尺度检测网络特征图，并将多个所述预设尺度检测网络特征图与所述原始特征图组一并级联到所述特征检测网络的检测层中进行检测处理，得到工机具的类别和位置信息。

4.根据权利要求3所述的铁路工机具清点方法，其特征在于，所述深度卷积神经网络对所述训练图像数据集进行神经网络特征提取，得到神经网络特征图组的过程包括：

所述深度卷积神经网络包括输入层和13个深度可分离卷积层；

根据所述深度卷积神经网络对所述训练图像数据集进行神经网络特征提取，得到神经网络特征图组，所述神经网络特征图组包括第11个深度可分离卷积层的特征图和第13个深度可分离卷积层的特征图；

将所述第13个深度可分离卷积层的特征图作为原始特征图，并将所述原始特征图输入至所述特征检测网络中。

5.根据权利要求3所述的铁路工机具清点方法，其特征在于，所述特征检测网络对所述神经网络特征图组进行检测网络特征提取，得到多个预设尺度检测网络特征图，并将多个所述预设尺度检测网络特征图与所述原始特征图组一并层级联到所述特征检测网络的检测层中进行检测处理，得到工机具的类别和位置信息的过程包括：

根据所述特征检测网络对所述原始特征图在预设尺度条件下进行检测网络特征提取，得到多个预设尺度检测网络特征图；

对多个所述预设尺度检测网络特征图与所述神经网络特征图组进行组合，得到多个待处理特征图；

对各个所述待处理特征图中的每个像素点进行边界框生成处理，得到多个边界框；

根据边界框分类和回归模型对多个所述边界框进行目标检测，得到工机具的类别和位置信息。

6.根据权利要求1所述的铁路工机具清点方法，其特征在于，所述通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型的过程包括：

根据预设的ImageNet数据集对所述目标检测网络进行训练，得到预训练网络；

根据迁移学习算法将所述预训练网络的13个深度可分离卷积层中的参数迁移至所述目标检测网络中，得到待训练目标检测网络；

根据所述训练图像数据集对所述待训练目标检测网络进行训练，得到目标检测模型。