[发明专利]一种基于深度学习的铁路货车管盖脱落故障识别方法

权利要求书

1.一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于包括：

步骤一：获取铁路货车线阵图像；

步骤二：对线阵图像中加热管与排油管区域图像进行标记，构建训练集1；

步骤三：对线阵图像中加热管盖与排油管盖的区域图像进行标记，构建训练集2；

步骤四：利用线阵图像和训练集1、线阵图像和训练集2分别训练Faster RCNN网络，得到加热管与排油管检测网络和加热管盖与排油管盖检测网络；

步骤五：将待识别图像输入加热管与排油管检测网络得到包含加热管与排油管区域的子图像，然后将包含加热管与排油管区域的子图像输入加热管盖与排油管盖检测网络进行管盖脱落故障识别；

所述Faster RCNN网络为改进的Faster RCNN网络，所述改进的Faster RCNN网络具体执行如下步骤：

步骤四一：获取训练集中标签样本，计算ground-truth box的长宽比，并计算ground-truth box长宽比的均值然后生成1:1与三种区域；

步骤四二：利用CIoU将1:1与三种区域与真实标签样本进行重合度计算及将三种区域根据重合度由大到小的排序，并根据排序结果选取前目标数量个候选框区域；

步骤四三；将排序选取结果与真实标签样本重合区域中所有特征点进行回归操作，得到偏移量；

步骤四四：对所有特征点进行回归操作后，计算所有偏移量的平均值，将得到的所有偏移量的平均值作为最终的偏移量，之后将回归后的特征图送入全连接层，得到类别信息。

2.根据权利要求1所述的一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于所述均值表示为：

其中，n表示样本总数，R_i表示第i个ground-truth box长宽比。

3.根据权利要求2所述的一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于所述CIoU表示为：

其中，b，b^gt分别代表预测框和真实框的中心点，p代表预测框和真实框中心点之间的欧氏距离，c表示两个区域最小外接矩形的对角线的距离，a是权重函数，v表示预测框和标注框的相似性参数。

4.根据权利要求3所述的一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于所述回归操作表示为：

l_i＝(x_i-x_l)/w_P，t_i＝(y_i-y_t)/h_P，

r_i＝(x_r-x_i)/w_P，b_i＝(y_b-y_i)/h_P.

其中(x₁，y_t)与(x_r，y_b)分别为真实标签左上角与右下角的坐标，(x_i，y_i)为特征点的坐标，l_i，t_i，r_i，b_i表示特征点在左，上，右，下方向的偏移量，w_P,h_P为候选区域宽高。

5.根据权利要求4所述的一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于所述预测框和标注框的相似性参数表示为：

其中，w，h，w^gt，h^gt分别表示预测框和真实框的宽和高。

6.根据权利要求5所述的一种基于深度学习的铁路货车管盖脱落故障识别方法，其特征在于所述权重函数表示为：