[发明专利]钢轨伤损检测方法

权利要求书

1.一种钢轨伤损检测方法，其特征在于，包括以下步骤：

检测计算机(11)与车载计算机(12)共享数据文件，所述车载计算机(12)对数据文件进行解析和伤损识别后，将识别结果以B型图的形式显示于第一显示模块(14)中，并存储在第一存储模块(15)中；所述车载计算机(12)将伤损样本和伤损识别结果发送至样本库服务器(22)中；

所述检测计算机(11)与地面计算机(21)共享数据文件，所述地面计算机(21)对数据文件进行解析和伤损识别后，将识别结果以B型图的形式显示在第二显示模块(24)中，并存储在第二存储模块(25)中；

所述地面计算机(21)将伤损样本和伤损识别结果传输至样本库服务器(22)中，所述样本库服务器(22)实现样本库管理功能；

深度学习工作站(23)根据所述样本库服务器(22)中的选定样本进行伤损识别模型(204)的优化，当伤损识别模型(204)测试通过后，对所述车载计算机(12)及地面计算机(21)中的伤损识别模型(204)进行升级；

所述伤损识别模型(204)基于卷积神经网络生成，输入所述卷积神经网络的图像为N个通道叠加而成且带有方向的RGB重构图像。

2.一种钢轨伤损检测方法，其特征在于，包括以下步骤：

检测计算机(11)对数据文件进行解析和伤损识别后，将识别结果以B型图的形式显示于第一显示模块(14)中，并存储在第一存储模块(15)中；所述检测计算机(11)将伤损样本和伤损识别结果发送至样本库服务器(22)中，所述样本库服务器(22)实现样本库管理功能；

深度学习工作站(23)根据所述样本库服务器(22)中的选定样本进行伤损识别模型(204)的优化，当伤损识别模型(204)测试通过后，对检测计算机(11)中的伤损识别模型(204)进行升级；

所述伤损识别模型(204)基于卷积神经网络生成，输入所述卷积神经网络的图像为N个通道叠加而成且带有方向的RGB重构图像。

3.一种钢轨伤损检测方法，其特征在于，包括以下步骤：

检测计算机(11)与车载计算机(12)共享数据文件，所述车载计算机(12)对数据文件进行解析和伤损识别后，将识别结果以B型图的形式显示于第一显示模块(14)中，并存储在第一存储模块(15)中；所述车载计算机(12)将伤损样本和伤损识别结果发送至样本库服务器(22)中，所述样本库服务器(22)实现样本库管理功能；

深度学习工作站(23)根据所述样本库服务器(22)中的选定样本进行伤损识别模型(204)的优化，当伤损识别模型(204)测试通过后，对所述车载计算机(12)中的伤损识别模型(204)进行升级；

所述伤损识别模型(204)基于卷积神经网络生成，输入所述卷积神经网络的图像为N个通道叠加而成且带有方向的RGB重构图像。

4.一种钢轨伤损检测方法，其特征在于，包括以下步骤：

检测计算机(11)与地面计算机(21)共享数据文件，所述地面计算机(21)对数据文件进行解析和自动伤损识别后，将识别结果以B型图的形式显示在第二显示模块(24)中，并存储在第二存储模块(25)中；所述地面计算机(21)将伤损样本和伤损识别结果传输至样本库服务器(22)中，所述样本库服务器(22)实现样本库管理功能；深度学习工作站(23)根据所述样本库服务器(22)中的选定样本进行伤损识别模型(204)的优化，当伤损识别模型(204)测试通过后，对所述地面计算机(21)中的伤损识别模型(204)进行升级；所述伤损识别模型(204)基于卷积神经网络生成，输入所述卷积神经网络的图像为N个通道叠加而成且带有方向的RGB重构图像。