[发明专利]一种基于深度学习的车载隧道缺陷在线检测系统及方法

说明书

本发明公开了一种基于深度学习的车载隧道缺陷在线检测系统及方法，涉及计算机视觉、图像处理技术领域，系统包括数据采集模块、GPU服务器实时检测模块与缺陷报警模块，方法包括：S1，数据采集模块采集隧道缺陷图像数据以及定位信息；S2，GPU服务器实时检测模块对隧道缺陷图像数据进行预处理后进行检测，将检测结果及定位信息传送到缺陷报警模块；S3，缺陷报警模块对检测出的隧道缺陷进行定位确认，判断是否存在隧道缺陷，如果存在隧道缺陷，则确认缺陷的位置信息与类别，并将检测结果输出到终端报警设备，否则返回执行步骤S1，本发明采用GPU服务器并行处理数据，快速、准确地定位隧道缺陷位置，并将检测结果隧道缺陷、缺陷位置信息传送到报警设备。

技术领域

本发明涉及计算机视觉、图像处理技术领域，具体为一种基于深度学习的车载隧道缺陷在线检测系统及方法。

背景技术

隧道检测是施工质量管理的重要手段，是保证列车营运安全的前提。隧道湿渍、掉块、裂缝、异物等隧道缺陷会影响隧道内车流的正常行驶,甚至危害列车的安全运行。对于已经存在的隧道缺陷，一般通过人工巡检或离线数据分析的方式进行缺陷检测，但是这些传统方式不仅耗时耗力，而且不能及时排除安全隐患，给铁路工作者带来很大的困扰，因此,急需一种在线、及时、智能的隧道缺陷检测方法及系统。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度学习的车载隧道缺陷在线检测系统及方法。

本发明的目的是通过以下技术方案来实现的：

一种基于深度学习的车载隧道缺陷在线检测系统，包括数据采集模块、GPU服务器实时检测模块与缺陷报警模块，所述数据采集模块的输出端与所述GPU服务器实时检测模块的输入端连接，所述GPU服务器实时检测模块的输出端与所述缺陷报警模块的输入端连接；

所述数据采集模块用于采集隧道缺陷检测所需数据以及定位信息，所述GPU服务器实时检测模块用于对数据采集模块输入的视频图片信息进行构建和渲染，并行处理数据，加快检测速度；所述缺陷报警模块用于对检测网络检测出的隧道缺陷进行定位确认，确认缺陷的位置信息与类别，并将检测结果输出到终端报警设备。

优选的，所述数据采集模块包括相机、多普勒测速雷达与射频标签RFID，所述相机用于采集隧道里面有缺陷的图像数据，所述多普勒测速雷达和射频标签RFID用于获取定位信息。

优选的，所述GPU服务器实时检测模块还连接有数据处理存储模块与电源模块，所述数据处理存储模块用于将接收到的数据存储为检测模块所需的数据格式，所述电源模块用于对GPU服务器实时检测模块供电。

一种基于深度学习的车载隧道缺陷在线检测方法，包括以下步骤：

S1，数据采集模块采集隧道缺陷图像数据以及定位信息；

S2，GPU服务器实时检测模块对数据采集模块输入的隧道缺陷图像数据进行预处理后进行检测，将检测结果及定位信息传送到缺陷报警模块；

S3，缺陷报警模块对检测出的隧道缺陷进行定位确认，判断是否存在隧道缺陷，如果存在隧道缺陷，则确认缺陷的位置信息与类别，并将检测结果输出到终端报警设备，否则返回执行步骤S1。

优选的，所述S1包括以下子步骤：

S1.1，通过对多普勒测速雷达输出的速度信息进行累计积分，实时输出车辆前进的距离；

S1.2，通过RFID天线接收装置获取线路道床沿线安装的RFID标签的标号，进而查找对应的公里标S0，即可定位当前公里标S＝S0，并记录此时雷达位移S1；

S1.3，经过一个多普勒雷达输出周期后，获取雷达位移S2，当前公里标S＝S0+(S2-S1)；

S1.4，重复上述步骤即可获取当前定位信息。