轨道图像智能分析系统

1.本发明涉及轨道安全技术领域，具体为一种轨道图像智能分析系统。


背景技术：

2.在温度、列车制动和混凝土收缩等载荷作用下，轨道表面会存在很多伤损，需要及时安排整治，以免发生行车安全隐患。现有的都是通过防护员、巡线员对轨道进行拍照，然后人工确定伤损区间。这种方式费时费力、主观性强，不利于全生命周期数据整理及后续分析。因此，设计一种轨道图像智能分析系统。


技术实现要素：

3.针对上述存在的技术不足，本发明的目的是提供一种轨道图像智能分析系统，其对收集到的轨道图像数据，通过深度学习模型进行检测，达到轨道图像自动分类，轨道表面伤损的智能识别，将伤损图像收集再训练，迭代更新深度学习模型功能。
4.为解决上述技术问题，本发明采用如下技术方案：
5.本发明提供轨道图像智能分析系统，其特征在于，包括轨道图像自动分类模块、轨道表面伤损智能识别模块、模型迭代更新模块；
6.所述轨道图像自动分类模块用于将输入的通过深度学习的图像分类模型分成有砟轨道、无砟轨道、道岔区域以及扣板型扣件轨道四种类型；
7.所述轨道表面伤损智能识别模块用于在图像分类完成后，选择想要检测的区域，然后调用相应轨道区域训练好的深度学习目标检测模型，对选取区域进行识别，将损伤区间提取标记出来；
8.所述模型迭代更新模块用于深度学习目标识别模型检测出的伤损信息，收集整理形成新的训练标记数据集，使用这些数据对深度学习目标检测模型进行迭代训练。
9.优选地，还包括导出报表模块，用于将缺陷信息和图像导出。
10.本发明的有益效果在于：能够对收集到的轨道图像数据，通过深度学习模型进行检测，达到轨道图像自动分类，轨道表面伤损的智能识别，将伤损图像收集再训练，迭代更新深度学习模型功能。
附图说明
11.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1为本发明提供的轨道图像智能分析系统的原理框图。
具体实施方式
13.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
14.如图1所示，轨道图像智能分析系统，包括轨道图像自动分类模块、轨道表面伤损智能识别模块、模型迭代更新模块；
15.所述轨道图像自动分类模块用于将输入的通过深度学习的图像分类模型分成有砟轨道、无砟轨道、道岔区域以及扣板型扣件轨道四种类型；识别率达到98％左右，具有良好效果。
16.所述轨道表面伤损智能识别模块用于在图像分类完成后，选择想要检测的区域，然后调用相应轨道区域训练好的深度学习目标检测模型，对选取区域进行识别，将损伤区间提取标记出来；
17.目前主要是针对轨道扣件(缺陷包括轨道扣件缺失、轨道扣件断裂、轨道扣件移位、轨道扣件反装、轨道扣件变形等)和轨面小型擦伤进行识别，识别率为90％左右，基本达到检测要求。
18.所述模型迭代更新模块用于深度学习目标识别模型检测出的伤损信息，收集整理形成新的训练标记数据集，使用这些数据对深度学习目标检测模型进行迭代训练，达到更适应检测轨道图像目标的目标检测模型。
19.进一步的，还包括导出报表模块，用于将缺陷信息和图像导出成word等形式，方便使用者存储与对比收集。
20.本发明的设计能够对收集到的轨道图像数据，通过深度学习模型进行检测，达到轨道图像自动分类，轨道表面伤损的智能识别，将伤损图像收集再训练，迭代更新深度学习模型功能。
21.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。


技术特征：
1.轨道图像智能分析系统，其特征在于，包括轨道图像自动分类模块、轨道表面伤损智能识别模块、模型迭代更新模块；所述轨道图像自动分类模块用于将输入的通过深度学习的图像分类模型分成有砟轨道、无砟轨道、道岔区域以及扣板型扣件轨道四种类型；所述轨道表面伤损智能识别模块用于在图像分类完成后，选择想要检测的区域，然后调用相应轨道区域训练好的深度学习目标检测模型，对选取区域进行识别，将损伤区间提取标记出来；所述模型迭代更新模块用于深度学习目标识别模型检测出的伤损信息，收集整理形成新的训练标记数据集，使用这些数据对深度学习目标检测模型进行迭代训练。2.如权利要求1所述的轨道图像智能分析系统，其特征在于，还包括导出报表模块，用于将缺陷信息和图像导出。

技术总结
本发明公开了轨道图像智能分析系统，包括轨道图像自动分类模块、轨道表面伤损智能识别模块、模型迭代更新模块；所述轨道图像自动分类模块用于将输入的通过深度学习的图像分类模型分成有砟轨道、无砟轨道、道岔区域以及扣板型扣件轨道四种类型；所述轨道表面伤损智能识别模块用于在图像分类完成后，选择想要检测的区域，调用相应轨道区域训练好的深度学习目标检测模型，对选取区域进行识别，将损伤区间提取标记出来；所述模型迭代更新模块用于对深度学习目标检测模型进行迭代训练。本发明能够对收集到的轨道图像数据，通过深度学习模型进行检测，达到轨道图像自动分类，轨道表面伤损的智能识别，将伤损图像收集再训练，迭代更新深度学习模型功能。深度学习模型功能。深度学习模型功能。


技术研发人员：许贵阳 刘奇锋 白堂博 李金洋 未向柳
受保护的技术使用者：北京建筑大学
技术研发日：2022.05.09
技术公布日：2022/7/29