[发明专利]一种基于灰度图像和深度图像结合的钢轨踏面缺陷识别方法

摘要

本发明公开一种基于灰度图像和深度图像结合的钢轨踏面缺陷识别方法，包括：利用配准好的钢轨踏面灰度图像与深度图像对建立钢轨踏面图像数据集，并划分为训练样本集和测试样本集，对数据集的图像进行预处理；采用一种特殊的卷积神经网络结构用于缺陷识别，该网络的前端具有两个分支结构，可分别从钢轨踏面灰度图像和深度图像中提取特征；通过特征图连接实现灰度图像和深度图像的特征信息的融合，之后采用预测模块输出初步预测结果；最后采用非极大值抑制方法筛选初步的缺陷预测结果得到最终的钢轨缺陷识别结果。本发明同时结合钢轨踏面的二维及三维特征，具有区分真实缺陷和伪缺陷的能力，可降低误判率和漏检率，尤其适合复杂环境下的缺陷识别。

主权项

1.一种基于灰度图像和深度图像结合的钢轨踏面缺陷识别方法，其特征在于，包括以下步骤：a、构建钢轨踏面图像数据集，并划分为训练样本集和测试样本集；训练样本集用于训练钢轨踏面缺陷识别网络，测试样本集用于验证钢轨踏面缺陷识别网络的有效性；训练样本集中的图像分为两类：正样本图像和负样本图像；正样本图像是包含有真实缺陷的图像，用于提高网络对真实缺陷的识别能力；负样本图像是不含有真实缺陷的图像，用于抑制网络将非真实缺陷或无缺陷区域错误识别为真实缺陷；b、对步骤a获得的训练样本集、测试样本集分别进行预处理，预处理后的两个样本集分别用于基于灰度图像和深度图像的钢轨踏面缺陷识别神经网络的训练及有效性评价；c、构建基于灰度图像和深度图像的钢轨踏面缺陷识别神经网络，所述神经网络由两个前端分支结构与一个后端的预测模块组成；钢轨踏面缺陷识别神经网络处理图像时将其划分成7×7个区域，其中每个区域又能预测5个结果，网络能输出245个初步的缺陷预测结果，后续需要非极大值抑制方法对这245个缺陷预测结果进行筛选，从而得到最终的无重叠的钢轨缺陷识别结果；d、采用经过步骤b预处理后的训练样本集训练步骤c构建的钢轨踏面缺陷识别神经网络，并结合测试样本集验证钢轨踏面缺陷识别网络的有效性，最终得到训练好的钢轨踏面缺陷识别神经网络；e、采用经步骤d训练好的钢轨踏面缺陷识别神经网络识别待检测的钢轨表面灰度图像、深度图像对，输出初步的245个缺陷识别结果；采用非极大值抑制方法对所得的初步缺陷预测结果进行筛选，得到最终的无重叠的钢轨踏面缺陷识别结果。