[发明专利]一种基于深度学习的图片检测方法及系统

说明书

本申请实施例公开了一种基于深度学习的图片检测方法和系统，通过图片检测系统自动读取硬盘存储介质上的轨道交通的图像数据；所述图片检测系统将所述图像数据输入至预先训练好的深度学习网络模型，使用GPU进行分析，以使得深度学习网络模型各层对输入图像进行卷积处理和采样过滤，提取出输入图像的特征，将检测到的输入图像的异常区域确定为目标区域；由尺寸大小不同的检测框分析目标区域的位置和置信度，在原图上标注缺陷类型和置信度；CPU将输出结果保存至数据库和本地指定路径，并发送至前端进行结果统计和可视化处理。解决轨道交通运维环节产生的海量图像数据分析需求，提升工作效率与智能化水平。

技术领域

本申请实施例涉及智能交通技术领域，具体涉及一种基于深度学习的图片检测方法及系统。

背景技术

轨道交通是指运营车辆需要在特定轨道上行驶的一类交通工具或运输系统。最典型的轨道交通就是由传统火车和标准铁路所组成的铁路系统。随着火车和铁路技术的多元化发展，轨道交通呈现出越来越多的类型，不仅遍布于长距离的陆地运输，也广泛运用于中短距离的城市公共交通中。常见的轨道交通有传统铁路(国家铁路、城际铁路和市域铁路)、地铁、轻轨和有轨电车，新型轨道交通有磁悬浮轨道系统、单轨系统(跨座式轨道系统和悬挂式轨道系统)和旅客自动捷运系统等。

随着我国轨道交通里程数不断增加，对相应基础设施的检测和维护需求也在持续扩大。轨道交通系统采用了大量的固定或者移动式视频、图像采集装置来获取轨道及其周边设施的日常状态。这一类视频、图像采集装置每天都会产生大量的数据。如何高效的从海量数据中获取那些反映设备外观缺陷、异常的图像及视频，对轨道交通系统的安全稳定运行有着十分重要的意义。事实上，轨道交通系统中，对这些海量图像数据的利用十分有限，大部分海量图像采集后被闲置，得不到及时分析；有限的重点部位如轨道面、铁轨等，设备采集的图像也基本是通过人工筛查寻找缺陷。不仅自动化图像摄录设备的投入得不到有效、充分的利用，还需要针对这些自动化摄录设备配备大量的人力来手动分析查看图像，出现了自动化程度越高，人力不降反升的怪现象。目前，轨道交通运维图像分析识别由于缺少有效的自动化缺陷识别工具与方法，主要方式仍为人工目视筛查，该方式的缺点毋庸置疑：速度慢、准确度低、人工易疲劳、人员成本高。

如何能高效的处理这些轨道交通日常运维产生的海量图像信息，真正实现运维巡检的从采集到分析的端到端的自动化、智能化，是我国铁路、轨道交通系统智能化水平提升的一个重要课题。

发明内容

为此，本申请实施例提供一种基于深度学习的图片检测方法和系统，专为批量分析轨道交通海量视频图像数据量身定制。系统通过自动读取硬盘存储介质上的图像数据，使用深度学习AI算法进行智能分析，自动从海量图像数据中寻找定位相关设备或区域的缺陷、异常等预定义特征目标，自动存储检测图像，同时通过Web数据可视化展示，将图像检查人员从繁重的目视检测工作中解脱出来，并极大的提升了检测的效率与准确性。

为了实现上述目的，本申请实施例提供如下技术方案：

根据本申请实施例的第一方面，提供了一种基于深度学习的图片检测方法，所述方法包括：

图片检测系统自动读取硬盘存储介质上的轨道交通的图像数据；

所述图片检测系统将所述图像数据输入至预先训练好的深度学习网络模型，使用GPU进行分析，以使得深度学习网络模型各层对输入图像进行卷积处理和采样过滤，提取出输入图像的特征，将检测到的输入图像的异常区域确定为目标区域；

由尺寸大小不同的检测框分析目标区域的位置和置信度，在原图上标注缺陷类型和置信度，作为输出结果输入到CPU；所述检测框为所述深度学习网络模型在推理完一帧图像后，显示在推理完的图像上的被识别为异常区域的标注方框；

CPU将输出结果保存至数据库和本地指定路径，并发送至前端进行结果统计和可视化处理，以使得在前端界面实时查看检测结果和所有图像检测的统计结果。