一种基于深度学习的铁路限高杆损坏异常检测方法，属于轨道交通信息监控的特定计算模型技术领域，本发明专利技术通过铁路限高杆监拍装置获取限铁路高杆图像，首先采用语义分割模型分割所述图像中的限高杆区域；其次对分割得到的掩膜进行自适应角度校正；然后通过限高杆掩膜的像素分布提取限高杆横杆部分对应的区域；最后获取限高杆横杠的掩膜轮廓并与预设的轮廓模板进行匹配，通过对应轮廓的匹配度是否超过阈值，判断限高杆是否发生损坏异常。本发明专利技术所述检测方法可以最大程度地发挥出深度学习方法的优势，提高了限高杆损坏检测的效率。提高了限高杆损坏检测的效率。提高了限高杆损坏检测的效率。
【技术实现步骤摘要】
一种基于深度学习的铁路限高杆损坏检测方法
[0001]本专利技术公开一种基于深度学习的铁路限高杆损坏检测方法，属于轨道交通信息监控的特定计算模型
技术介绍
[0002]铁路限高杆是一种限制行车车辆高度的机械装置，常设置于桥梁及下穿铁路的涵洞等路段的两侧，其目的是限制超过规定高度的车辆通过，避免车辆撞毁铁路的桥梁和涵洞等设施。但是，当车辆与限高杆发生碰撞事故或限高杆因其他原因损坏后，限高杆就无法继续起到限制超高车辆的通过，此时铁路的桥梁或涵洞面临着更大的被后续车辆碰撞的风险。因此需要及时通过监控获知告警信息：第一时间反馈限高杆发生损坏，以便本领域维保人员进行维保工作，实现智能化作业。
[0003]传统解决该隐患的方法是在铁路桥梁或涵洞入口架设摄像头，使用人工查看监控视频的方式来获取限高杆状态，这种方法费时费力且成本高昂。除此之外，本领域出现了其它方式以实时监控所述铁路限高杆是否正常。中国专利文献CN212026004U公开一种使用水平传感器获取限高杆状态的装置，但传感器方案的劣势在于易受干扰且成本较高。
[0004]为此，随着深度学习技术的发展，基于深度学习方法的计算机视觉技术开始赋能于各个行业：中国专利文献CN111104893A公开目标检测方法、装置、计算机设备及存储介质，通过确定车辆环境图像中的目标区域和道路区域，并对所述目标区域进行对象分割，从而得到包括有目标对象的对象类别和初始轮廓的目标语义信息，从多个角度实现对目标对象的全面描述，然后根据视差图像和目标语义信息，进一步精确定位目标对象的轮廓，大大提高了轮廓的精确度，最终根据道路区域和精确定位的轮廓，准确的确定出目标对象的空间位置，由于能够基于目标语义信息来描述对目标对象，并基于高精确度的轮廓定位目标对象的空间位置，从而提高了目标检测的准确性。中国专利文献CN111666921A公开车辆控制方法、装置、计算机设备和计算机可读存储介质，包括：获取目标车辆的道路场景图像；对所述道路场景图像进行图像语义分割，得到语义分割图像，所述语义分割图像包括已知语义区域和未知语义区域；确定所述未知语义区域中的异常障碍物的位置信息；按照所述位置信息控制所述目标车辆避开所述异常障碍物行驶。中国专利文献CN114332020A一种基于可见光图像的光伏板定位与缺陷检测方法及系统，包括：S1：构建光伏板可见光图像数据集，按预设比例将其划分训练集和测试集；S2：利用训练集训练SEFPN语义分割网络，得到光伏板边缘掩膜图；S3：将光伏板边缘掩膜图输入轮廓筛选模块，获取光伏板的候选位置框；S4：将光伏板的候选位置框输入YOLOv5检测网络，获取光伏板缺陷类别；S5：测试集依次经过SEFPN语义分割网络、轮廓筛选模块和YOLOv5检测网络，获取光伏板的位置与缺陷类别。可以适用于无人机航拍所得的可光伏板见光图像的批量检测，避免人为识别过程中的误检，提高光伏产业的整体效率，对于光伏产业智能化和降低光伏电站的用人成本有着较大帮助。中国专利文献CN113569819A公开刀闸开合状态的识别方法、系统、存储介质及计算机设备质及计算机设备，包括：获取待处理的目标图像，目标图像中含有闸刀片和绝缘子，并
将目标图像输入到最终语义分割模型之中；获取最终语义分割模型检测识别目标图像后输出的闸刀片掩膜和绝缘子掩膜；根据绝缘子掩膜判断刀闸是否完整；若是则对闸刀片掩膜进行轮廓提取，得到多个连通区域的集合；获取第一大连通区域与第二大连通区域的面积之比，并判断第一大连通区域与第二大连通区域的面积之比是否大于第一预设占比阀值，若是则表示刀闸处于闭合状态。本专利技术提出的刀闸开合状态的识别方法，能够极大地降低背景干扰，从而精确地识别出刀闸开合状态，具有操作简单、检测成本低的优点。由上可知，基于深度学习方法的计算机视觉技术开始赋能于各个行业，但是，在轨道智能监控尤其是限高杆损坏检测方面的应用较少。
[0005]综上所述，如何提供一种可靠、高效的针对铁路限高杆损坏识别方法，避免铁路限高杆损坏引起的铁路轨道事故，是目前本领域技术人员亟待解决的问题。
技术实现思路
[0006]针对现有技术的不足，本专利技术的目的是提供一种基于深度学习的铁路限高杆损坏异常检测方法。
[0007]本专利技术详细的技术方案如下：
[0008]一种基于深度学习的铁路限高杆损坏异常检测方法，通过铁路限高杆监拍装置获取限铁路高杆图像，其特征在于：首先采用语义分割模型分割所述图像中的限高杆区域；其次对分割得到的掩膜进行自适应角度校正；然后为避免过往车辆对限高杆竖杆遮挡的影响，通过限高杆掩膜的像素分布提取限高杆横杆部分对应的区域；最后获取限高杆横杠的掩膜轮廓并与预设的轮廓模板进行匹配，通过对应轮廓的匹配度是否超过阈值，判断限高杆是否发生损坏异常。
[0009]根据本专利技术优选的，所述检测方法，具体包括：
[0010]S1：通过铁路限高杆监拍装置获取铁路限高杆图像，并进行铁路限高杆区域标注，构建铁路限高杆图像分割数据集并训练语义分割模型得到铁路限高杆分割模型；优选的，所述语义分割模型为deeplabv3plus语义分割模型；
[0011]S2：将实时监拍装置获取的铁路限高杆图像输入至训练完毕的语义分割模型中，以获取铁路限高杆的掩膜图像；
[0012]S3：对所述铁路限高杆的掩膜图像进行旋转，使掩膜图像中限高杆的横杠部分平行于图像的宽轴；如图5所示，此步骤的目的在于校正监拍设备引起的图像小幅度倾斜。
[0013]根据本专利技术优选的，对所述铁路限高杆的掩膜图像进行旋转的方法，包括：
[0014]S31：预设[
‑
α,α]范围中不为0的整数作为掩膜图像的旋转角度α
n
；
[0015]S32：遍历步骤S31中的旋转角度对掩膜图像进行旋转；
[0016]S33：对步骤S32旋转α
n
后的图像沿掩膜图像高轴进行求和，记为：
[0017]M
i
，i＝(0,1,...,height)，记录当前旋转角度α和最大的N个M
i
的和M
n
＝sum(M
max1
+...+M
max50
)；其中，所述M
i
是一组数字，表示掩膜图像第i行像素的数量之和，相当于把掩膜向图像高轴做了投影；所述N为最大数的个数；所述M
n
计算M
i
对应组数字中最大的N个数的和，如附图7中就是最高的50个点的值之和；
[0018]进一步解释：
[0019]①
假设此时步骤s31中α＝
‑
2；
[0020]②
将掩膜图像旋转
‑
2度；
[0021]③
旋转后的掩膜图像向高轴投影，得到附图7，此图就是将这组数字可视化之后的图，表示一组数并记为M
i
；假设步骤S33中N＝50；计算这组数中最大的50个数的和，这个和记为M
n<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的铁路限高杆损坏异常检测方法，通过铁路限高杆监拍装置获取限铁路高杆图像，其特征在于：首先采用语义分割模型分割所述图像中的限高杆区域；其次对分割得到的掩膜进行自适应角度校正；然后通过限高杆掩膜的像素分布提取限高杆横杆部分对应的区域；最后获取限高杆横杠的掩膜轮廓并与预设的轮廓模板进行匹配，通过对应轮廓的匹配度是否超过阈值，判断限高杆是否发生损坏异常。2.根据权利要求1所述的一种基于深度学习的铁路限高杆损坏异常检测方法，其特征在于，所述检测方法，具体包括：S1：通过铁路限高杆监拍装置获取铁路限高杆图像，并进行铁路限高杆区域标注，构建铁路限高杆图像分割数据集并训练语义分割模型得到铁路限高杆分割模型；S2：将实时监拍装置获取的铁路限高杆图像输入至训练完毕的语义分割模型中，以获取铁路限高杆的掩膜图像；S3：对所述铁路限高杆的掩膜图像进行旋转，使掩膜图像中限高杆的横杠部分平行于图像的宽轴；S4：获取铁路限高杆横杠所在的区域范围；S5：在铁路限高杆横杠所在范围内进行铁路限高杆横杠轮廓提取和过滤，保留铁路限高杆区域的轮廓；S6：将提取的铁路限高杆横杠区域的轮廓与轮廓模板进行匹配，通过是否匹配成功判断限高杆是否发生损坏：S61：通过Hu矩计算横杠区域轮廓与模板轮廓的相似度；Hu矩是利用归一化中心矩构造了7个不变特征矩：在公式(1)中，u
oo
为矩心，μ
pq
为(p+q)阶矩；S62：若轮廓相似度大于轮廓匹配阈值Match
threshold
，则匹配成功，判断为铁路限高杆正常；否则判断为铁路限高杆损坏异常。3.根据权利要求2所述的一种基于深度学习的铁路限高杆损坏异常检测方法，其特征在于，所述步骤S3对所述铁路限高杆的掩膜图像进行旋转的方法，包括：S31：预设[
‑
α,α]范围中不为0的整数作为掩膜图像的旋转角度α
n
；S32：遍历步骤S31中的旋转角度对掩膜图像进行旋转...
【专利技术属性】
技术研发人员：刘奎，王硕，方亮，高军，侯良文，
申请(专利权)人：智洋创新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。