[发明专利]一种基于钢轨光带图像的钢轨磨耗检测方法

权利要求书

1.一种基于钢轨光带图像的钢轨磨耗检测方法，其特征在于：包括以下步骤：

一、采集钢轨光带图像和磨耗数据；

步骤一中，采集方法采用关键点与采样点结合的方式布设测点，通过间隔一定距离情况下的在钢轨重点区段，然后对每一个位置在横向、纵向以及垂向拍摄图像；

在直线单元布设测点：长度小于100米时不采集，100米至500米且不包含100米时采集1个测点，500米至1000米且不包含500米时采集2个测点，以此类推，每增加500米增加一个测点，各测点间应均匀分布；

在曲线单元布设测点：每条曲线测点不少于5个，即直缓ZH、缓圆HY、曲中QZ、圆缓YH和缓直HZ，当圆曲线长度为500米至1000米且不包含500米时，在圆曲线采集2个测点，以此类推，圆曲线长度每增加500米增加一个测点，圆曲线区段各测点间应均匀分布；

二、划分数据集，标注钢轨光带图像，并进行MaskR-CNN训练；

步骤二中，标注钢轨光带图像的方法为：使用labelme软件来对钢轨图像进行手动标注即画出的钢轨光带边界；

步骤二中，MaskR-CNN训练包括如下步骤：ResNet-FPN作为RPN输入的feature map是[P2,P3,P4,P5,P6]，通过下面公式来决定宽w和高h的ROI到底要从哪个P_k来切：

根据labelme标记的钢轨长宽比以及大小的统计结果，在生成的anchor的过程中设置多种长宽比和大小组合，RPN网络根据预测边界框与实际边界框的重叠率即交并比IOU的大小进行非极大值抑制，最后对钢轨光带图像进行分类、回归和生成掩膜；

三、根据提取的钢轨光带图像与相对应的磨耗分类训练深度学习模型；

四、将训练得到的模型对钢轨磨耗进行检测。

2.根据权利要求1所述的一种基于钢轨光带图像的钢轨磨耗检测方法，其特征在于：步骤三中，将focalloss作为损失函数预测磨耗类别：