申请/专利权人：湖南工业大学

申请日：2021-09-08

公开（公告）日：2024-06-28

公开（公告）号：CN113989179B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/44;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于目标检测算法的列车轮对踏面缺陷检测方法，首先通过Cdarknet53主干特征提取网络和Spp对输入样本进行多尺度特征提取；其次提出的多尺度特征融合对底层特征进行一次融合，将特征融合输出不同分辨率大小的一次融合特征，可以包含缺陷更多的语义信息和位置细节；基于这些多尺度融合特征，采用路径聚合网络对不同分辨率大小的特征图进行二次融合；最后辅以改进的损失函数，提高抗干扰性，输出检测结果。本发明通过多尺度特征融合，解决了干扰、噪音背景影响故障特征的有效提取，存在踏面缺陷样本少、缺陷目标小的问题，能够在保证实时性的前提下，有效提高轮对踏面缺陷的检测精度，满足实际工业情况对于轮对踏面缺陷检测的需求。

主权项：1.一种基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，包括以下步骤：S1.对轮对踏面进行检测，建立轮对踏面缺陷数据集；S2.数据集通过Yolov4模型中Cspdarknet53和Spp提取多个不同尺度的主干特征；S3.将步骤S2中的不同尺度的主干特征进行尺度特征融合，得到一次融合特征；S31.计算底层特征的融合可能性，确定待融合的底层特征；S32.通过3×3和1×1的卷积统一不同尺度特征图的分辨率和通道数；S33.利用l2标准化处理将不同大小的缺陷特征向量处理到统一数量级；所述一次融合特征的公式如下： 式中，FFi为融合之后的有效输出特征层，i＝1,2,3；w1×1为1×1卷积的权重；w3×3为3×3卷积的权重；l2为l2标准化，F2、F3、F4、F6为输入特征；σ是leakyrelu激活函数；bi为偏置因子，i＝1,2,3；为拼接操作；S4.对一次融合特征进行提取得到二次融合特征；S5.优化损失函数，输出缺陷检测结果；所述损失函数为： 式中，S×S表示输入图像划分的网格单元数量；B表示单元格生成的boundingbox数量1；为锁定激活参数项；classes是类别数量；pic表示类别为c的真实概率；表示类别为c的预测概率，α为调剂因子； 判断第i个网格中的第j个先验框是否负责预测轮对踏面缺陷目标，如果第i个网格中的第j个先验框为负责预测轮对踏面缺陷目标的中心网格，则否则

全文数据：

权利要求：

百度查询： 湖南工业大学 基于目标检测算法的列车轮对踏面缺陷检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD