[发明专利]一种车地协同的地铁隧道缺陷智能巡检系统及方法

权利要求书

1.一种车地协同的地铁隧道缺陷智能巡检系统，其特征在于，包括图像采集定位模块、车载嵌入式单元服务器实时检测模块、车载云端报警模块、地面单元服务器检测模块、地面云端报警模块，所述图像采集定位模块、车载嵌入式单元服务器实时检测模块、车载云端报警模块、地面单元服务器检测模块、地面云端报警模块依次连接；

所述图像采集定位模块用于采集检测地铁隧道缺陷所需图像数据以及获得定位信息；

所述车载嵌入式单元服务器实时检测模块用于接收图像采集定位模块采集到的图像数据，对地铁隧道缺陷进行实时检测；

所述车载云端报警模块用于将车载嵌入式单元服务器实时检测模块检测到的缺陷图片、检测结果与找到的定位信息打包成报警文件并传输至车载云端数据终端与地面单元服务器检测模块；

所述地面单元服务器检测模块用于接收车载检测结果，对缺陷进行二次精准检测；

所述地面云端报警模块用于将二次精准检测后的缺陷图片、检测结果与找到的定位信息打包成报警文件传输至地面云端数据终端存储。

2.根据权利要求1所述的一种车地协同的地铁隧道缺陷智能巡检系统，其特征在于，所述图像采集定位模块包括数据采集单元与定位单元，所述数据采集单元包括相机与补光灯，所述定位单元包括基站、GPS与惯性导航器；

所述相机和补光灯用于对隧道缺陷进行实时成像；

所述GPS用于在搜星良好区域进行初始定位，所述基站用于在卫导盲区进行初始定位，惯性导航器件用于进行连续定位，同时在有GPS信号或者基站信号的时候，进行位置校正，防止位置的漂移。

3.一种车地协同的地铁隧道缺陷智能巡检方法，其特征在于，包括以下步骤：

步骤1：图像采集定位模块采集图像信息和定位信息发送给车载嵌入式单元服务器实时检测模块；

步骤2：车载嵌入式单元服务器实时检测模块接收图像采集定位模块采集到的图像数据，对地铁隧道缺陷进行实时检测并过滤，判断是否是隧道缺陷，若是则执行步骤3，否则返回执行步骤1；

步骤3：车载云端报警模块用于将车载嵌入式单元服务器实时检测模块检测到的缺陷图片、检测结果与找到的定位信息打包成报警文件并传输至车载云端数据终端与地面单元服务器检测模块；

步骤4：地面单元服务器检测模块接收车载检测结果，对缺陷进行二次精准检测后判断是否是隧道缺陷，若是则执行步骤5，否则地面单元服务器检测模块接收车载云端报警模块的车载检测结果重新进行检测；

步骤5：地面云端报警模块用于将二次精准检测后的缺陷图片、检测结果与找到的定位信息打包成报警文件传输至地面云端数据终端存储。

4.根据权利要求3所述的一种车地协同的地铁隧道缺陷智能巡检方法，其特征在于，图像采集定位模块包括数据采集单元与定位单元，所述数据采集单元包括相机与补光灯，所述定位单元包括基站、GPS与惯性导航器，定位步骤如下：

步骤a:在搜星良好区域，利用GPS进行初始定位，在卫导盲区，利用基站进行初始定位；

步骤b:利用惯性导航器件进行连续定位，同时在有GPS信号或者基站信号的时候，进行位置校正，防止位置的漂移；

步骤c:同步定位和图片时钟信息，为每一帧图片关联最近邻的位置信息。

5.根据权利要求3所述的一种车地协同的地铁隧道缺陷智能巡检方法，其特征在于，所述步骤2还包括以下子步骤：

步骤2.1，用深度学习方法对接收到的图像数据进行预处理，将图像大小进行重置后将图像数据进行归一化；

步骤2.2，采用yolov3 tiny检测算法对归一化后的图像数据进行检测；

yolov3 tiny检测算法采用的主干网络为tiny-darknet，流程如下：

当输入数据到检测网络后，缩放输入图像到检测网络指定大小，提取特征，得到一定大小的特征图，将特征图分割成NxN个单元格，目标的中心坐标落在哪个单元格，就由该单元格来预测目标及位置信息。

6.根据权利要求5所述的一种车地协同的地铁隧道缺陷智能巡检方法，其特征在于，所述步骤4包括以下子步骤：

步骤4.1：用深度学习方法对检测数据进行预处理，使检测数据满足检测模型的输入要求；

步骤4.2：采用Mask RCNN算法对预处理后的检测数据进行检测，选取三组不同的超参数训练三个检测模型，将检测数据分别用三个检测模型进行检测，取三个模型的检测结果的交集作为最终的检测结果；

检测流程如下：

输入数据到检测网络后：通过滑动窗口扫描输入图像进行卷积操作，也就是乘法操作，结合不同的的尺寸与长宽比，生成互相重叠的区域，并得到每个区域的位置信息，用来提取候选区域；根据提取的候选区域，Mask RCNN的掩码预测分支输出对应的二值掩码，根据这个二值掩码进一步进行缺陷分类与检测框的回归，得到缺陷的检测位置(x,y,w,h)。