一种用于识别无砟道床离缝伤损的方法、装置及存储介质制造方法及图纸

本方案公开了一种用于识别无砟道床离缝伤损的方法，包括获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；基于ResNet‑PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；其中，所述ResNet‑PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。该方法在保证准确率的同时进一步降低分割模型参数量，提高模型算法识别速度，与人工方法对比，大幅提高伤损的检测效率、识别准确度和检测精度，用新技术、新方法来提高无砟道床表观伤损检查的自动化水平。

【技术实现步骤摘要】
一种用于识别无砟道床离缝伤损的方法、装置及存储介质
本专利技术涉及轨道检测
，特别涉及一种用于识别无砟道床离缝伤损的方法，装置及存储介质。
技术介绍
无砟轨道具有平顺性好、稳定性高、使用寿命长、耐久性强及维修工作少等特点，已被广泛应用于高铁建设。然而，在列车动载荷、温度热力膨胀以及地质沉降等因素的作用下，无砟轨道病害多发。离缝伤损会显著降低轨道平顺性、刚性和舒适性，严重情况下甚至会造成轨道板上拱破裂，危害高铁列车运行安全。目前无砟轨道离缝的检测技术主要依靠人工持塞尺、裂缝测宽仪等传统工具进行检测，工作效率低，准确性差，耗费人力多，此外还受铁路检修天窗限制，上道检测时间有限。目前国内外针对高铁无砟轨道离缝的检测技术研究尚处于起步阶段，大多利用基于人工和无损检测等技术进行检测，图像智能识别等技术的研究成果较少。
技术实现思路
本方案的一个目的在于提供一种用于识别无砟道床离缝伤损的方法，该方法在保证准确率的同时进一步降低分割模型参数量，提高模型算法识别速度，与人工等方法相比，可大幅提高伤损的检测效率、识别准确度和检测精度，用新技术、新方法来提高无砟道床表观伤损检查的自动化水平。本方案的另一个目的在于提供一种执行上述方法的装置和设备。为达到上述目的，本方案如下：一种用于识别无砟道床离缝伤损的方法，该方法包括：步骤S1:获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；步骤S2:基于ResNet-PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；其中，所述ResNet-PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。优选的，该方法进一步包括对已识别出的离缝区域图像进行边缘检测，获取所述离缝区域的特征信息。优选的，所述特征信息包括离缝区域的长度，宽度，形态以及位置信息。优选的，所述步骤S2包括：对所述待检测图像进行预处理，所述预处理包括图像切分，归一化处理和数据增强。优选的，所述ResNet-PPM图像分割模型中，采用PPM结构作为预测分支，用于预测条型区域病害和面积型区域病害。优选的，所述对ResNet网络模型进行剪枝包括：基于训练用无砟道床图像，提取ResNet网络模型中的每个卷积层的特征图矩阵；计算ResNet网络模型中各层卷积核的特征图L1范数均值；基于所述特征图L1范数均值的大小对卷积核进行排序，剪去L1小于预设值的冗余卷积核，记录被剪去的卷积核的原始位置，提取该卷积核在网络中的层级权值；剔除该卷积核原始位置对应的参数连接值，同时对该卷积核的输入通道进行剪裁，组成新的参数连接，获得裁剪后的ResNet网络模型。优选的，所述PPM网络模型的分类标签包括条形伤损区域和/或面积型伤损区域。优选的，基于Sobel边缘滤波算子以及平滑滤波器对离缝区域进行边缘检测。第二方面，提供一种用于识别无砟道床离缝伤损的装置，该装置包括：预处理单元，对采集的待检测无砟道床图像进行图像预处理；识别单元，基于ResNet-PPM图像分割模型识别出所述无砟道床图像中的离缝区域图像和离缝伤损类型。第三方面，提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述程序在被一个或多个计算机执行时，使得所述一个或多个计算机执行如上任一项所述方法中执行的操作。本方案的有益效果如下：1.无砟道床离缝伤损检测装置可对无砟道床砂浆层和轨道板区域移动连续检测，大大提高了检测效率；2.人为使用PRIV自主研发的标注工具label-image-PRIV对无砟道床的离缝病害图像进行像素级的语义分割标注，制备成一套规范化的无砟道床离缝专属数据集；3.基于像素级的语义分割算法搭建了编码(ResNet网络)-解码(PPM网络)架构模型对伤损区域局部图像进行识别，并利用特征图范数准则对ResNet网络冗余卷积核、全连接层进行压缩剪枝，将两个残差模块改为空洞卷积，利用以上算法进行对伤损进行智能识别，通过图片信息，得到输出部位、类别、里程、版号、尺寸以及伤损等级等重要信息；4.基于Sobel边缘滤波算子以及平滑滤波器对离缝目标进行边缘检测，根据最小外接矩形框获取关于待识别区域的长度，宽度，形态；5.检测结果以word文档以及excel表格方式输出，便于数据管理、记录及历史数据查询，大大提升铁路现场检测的智能化水平。附图说明为了更清楚地说明本方案的实施，下面将对实施例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方案的一些实施例，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。图1为用于识别无砟道床离缝伤损的方法流程图；图2为用于识别无砟道床离缝伤损的装置示意图；图3为实施例检测流程图；图4为实施例中拍摄的无砟道床砂浆层离缝图像和轨道板接缝离缝图像；图5为实施例图像预处理结果图；图6为实施例单张图像的Conv1层特征图可视化；图7a为实施例轨道板接缝部位离缝的识别结果；图7b为实施例砂浆层部位离缝的识别结果；图8a为实施例轨道板接缝部位离缝最终识别效果；图8b为实施例砂浆层接缝部位离缝最终识别效果。具体实施方式下面将结合附图对本方案的实施方式作进一步地详细描述。显然，所描述的实施例仅是本方案的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本方案中的实施例及实施例中的特征可以相互组合。说明书和权利要求书及上述附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备，不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。无砟轨道由于其优异的特性被广泛用于高速铁路建设，但是在列车动载荷、本文档来自技高网...

【技术保护点】
1.一种用于识别无砟道床离缝伤损的方法，其特征在于，该方法包括：/n步骤S1:获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；/n步骤S2:基于ResNet-PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；/n其中，所述ResNet-PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。/n

【技术特征摘要】
1.一种用于识别无砟道床离缝伤损的方法，其特征在于，该方法包括：
步骤S1:获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；
步骤S2:基于ResNet-PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；
其中，所述ResNet-PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。


2.根据权利要求1所述的方法，其特征在于，该方法进一步包括对已识别出的离缝区域图像进行边缘检测，获取离缝区域的特征信息。


3.根据权利要求2所述的方法，其特征在于，所述特征信息包括离缝区域的长度，宽度，形态以及位置信息。


4.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
对所述待检测图像进行预处理，所述预处理包括图像切分，归一化处理和数据增强。


5.根据权利要求1所述的方法，其特征在于，所述ResNet-PPM图像分割模型中，采用PPM结构作为预测分支，用于预测条型区域病害和面积型区域病害。


6.根据权利要求1所述的方法，其特征在于，所述对ResNet网络模型进行剪枝包括：
基于训练用无砟道床图像，提取...

【专利技术属性】
技术研发人员：柴雪松，王宁，李健超，暴学志，马学志，薛峰，金花，刘艳芬，付峥锐，路龙，
申请(专利权)人：中国铁道科学研究院集团有限公司，中国铁道科学研究院集团有限公司铁道建筑研究所，中铁科学技术开发有限公司，
类型：发明
国别省市：北京;11