详情

原文传递一种双块式轨枕的裂纹检测方法

专利名称：	一种双块式轨枕的裂纹检测方法
摘要：	本发明公开了一种双块式轨枕的裂纹检测方法，包括：训练深度神经网络模型；提取待检测双块式轨枕的矩形检测图片；提取上述矩形检测图片的底层特征，得到加权系数w；对矩形检测图片进行网格化划分得到图片块，将图片块输入训练好的深度神经网络模型，得到每个图片块存在裂纹的概率p；将概率p乘以加权系数w，得到最终每个图片块存在裂纹的最终概率，判定图片块是否有裂纹。本发明提供一种基于底层图像特征和深度神经网络加权判别的轨枕裂纹识别方法，该方法结合了底层图像特征的快速、鲁棒性的特点，以及深度卷积神经网络的强判别性，使得能够准确判别双块式轨枕生产过程中出现的裂纹，并且有效的避免因水渍污点引起的误判别问题。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京好运达智创科技有限公司
发明人：	郑翼
专利状态：	有效
申请日期：	2019-03-27T00:00:00+0800
发布日期：	2019-07-23T00:00:00+0800
申请号：	CN201910237937.3
公开号：	CN110044905A
代理机构：	北京市科名专利代理事务所(特殊普通合伙)
代理人：	陈朝阳
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	100022 北京市朝阳区建国路93号院万达广场A座902
主权项：	1.一种双块式轨枕的裂纹检测方法，其特征在于，包括以下步骤：步骤1）在轨枕图片数据集上对深度神经网络进行训练，得到用于判别轨枕是否存在裂纹的深度神经网络模型；步骤2）利用待检测双块式轨枕自身定位孔定位其凹槽区域，以双块式轨枕的凹槽区域为感兴趣区域，提取矩形检测图片；步骤3）提取上述矩形检测图片的底层特征，以底层特征中存在的非零像素点数量除以其像素总数得到加权系数w；步骤4）对矩形检测图片进行网格化划分得到图片块，将图片块输入训练好的深度神经网络模型，得到每个图片块存在裂纹的概率p；步骤5）设定概率阈值，将得到的每个图片块存在裂纹的概率p乘以加权系数，得到最终每个图片块存在裂纹的最终概率，将最终概率大于概率阈值的图片块判定为有裂纹。 2.如权利要求1所述的一种双块式轨枕的裂纹检测方法，其特征在于，所述步骤3）具体为：将矩形检测图片转换为灰度图，经自动白平衡后，利用Canny算子提取图片中的边缘区域，通过区域生长以及高斯滤波，去除杂质噪声，得到二值图像，统计二值图像中存在的非零像素点数量，非零像素点数量除以其像素总数得到加权系数w。
所属类别：	发明专利