[发明专利]一种基于深度学习的第三轨焊点检测方法及装置

说明书

本申请提供了一种基于深度学习的第三轨焊点检测方法及装置，其中，该方法包括：采集待检测的第三轨焊点的图像；对所述待检测的第三轨焊点的图像进行图像分割处理，以提取包含第三轨焊点的感兴趣区域；利用残差网络结构构建残差神经网络模型；利用焊点样本对所述残差神经网络模型进行训练；利用训练好的所述残差神经网络模型对所述包含第三轨焊点的感兴趣区域进行第三轨焊点检测。本申请实施例使用较少的资源就可以实现高效的焊点自动化检测。

技术领域

本申请涉及焊点检测技术领域，尤其是涉及一种基于深度学习的第三轨焊点检测方法及装置。

背景技术

焊点是由集电靴和第三轨接触不均匀造成的，焊点使得第三轨更容易磨损或其他损害。因此，目前采用焊点检测作为一项轨道损害分析和预防的有效基础手段。

现有技术中，采用人工检测方法来进行焊点检测。但是通过人工检测方法来检测焊点，会导致焊点检测效率低且成本高。

为了解决上述问题，目前采用传统图像处理的方法来进行焊点检测。但是在该方法中使用人工设计的特征进行分类，无法实现高效、自动地检测第三轨焊点的位置。

发明内容

有鉴于此，本申请的目的在于提供一种基于深度学习的第三轨焊点检测方法及装置，以实现高效的焊点自动化检测。

第一方面，本申请实施例提供了一种基于深度学习的第三轨焊点检测方法，包括：

采集待检测的第三轨焊点的图像；

对所述待检测的第三轨焊点的图像进行图像分割处理，以提取包含第三轨焊点的感兴趣区域；

利用残差网络结构构建残差神经网络模型；

利用焊点样本对所述残差神经网络模型进行训练；

利用训练好的所述残差神经网络模型对所述包含第三轨焊点的感兴趣区域进行第三轨焊点检测。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，在对所述待检测的第三轨焊点的图像进行图像分割处理前，还包括：

对所述待检测的第三轨焊点的图像进行包括高斯模糊、膨胀和腐蚀中至少一项的预处理。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，对所述待检测的第三轨焊点的图像进行图像分割处理，以提取包含第三轨焊点的感兴趣区域，包括：

对所述待检测的第三轨焊点的图像进行二值化处理，得到二值化图像；

对所述二值化图像进行边缘检测和联通域分析，以提取包含第三轨焊点的感兴趣区域。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，利用焊点样本对所述残差神经网络模型进行训练，包括：

采用生成对抗网络生成焊点样本；

对所述焊点样本进行数据增强处理；所述数据增强处理包括镜像翻转或随机剪切；

利用数据增强处理后得到的焊点样本对所述残差神经网络模型进行训练。

第二方面，本申请实施例还提供一种基于深度学习的第三轨焊点检测装置，包括：

采集模块，用于采集待检测的第三轨焊点的图像；

分割模块，用于对所述待检测的第三轨焊点的图像进行图像分割处理，以提取包含第三轨焊点的感兴趣区域；

构建模块，用于利用残差网络结构构建残差神经网络模型；

训练模块，用于利用焊点样本对所述残差神经网络模型进行训练；