地板破损故障图像识别方法
专利汇可以提供地板破损故障图像识别方法专利检索，专利查询，专利分析的服务。并且地板破损故障 图像识别 方法，本 发明 涉及故障图像识别方法。本发明的目的是为了解决现有人工检测 铁 路货车地板破损故障方式存在的成本高、效率低、以及准确率低的问题。过程为：一、收集样本，建立数据集；二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像；具体过程为：将采集到的待识别图像进行高斯滤波及灰度均衡化操作，去除噪声；三、建立VGG模型，采用训练集训练VGG模型，得到预训练好的VGG模型；四、将预处理后待识别图像输入预训练好的VGG模型，进行铁路货车地板破损故障识别，得到检测结果；五、判断检测结果是否符合地板故障特征。本发明用于故障图像识别领域。，下面是地板破损故障图像识别方法专利的具体信息内容。
1.地板破损故障图像识别方法，其特征在于：所述方法具体过程为：
步骤一、收集样本，建立数据集；
步骤二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像；具体过程为：
将采集到的待识别图像进行高斯滤波及灰度均衡化操作，去除噪声；
步骤三、建立VGG模型，采用训练集训练VGG模型，得到预训练好的VGG模型；具体过程为：
步骤三一、建立VGG模型；
步骤三二、将步骤一建立的数据集输入VGG模型进行预训练；具体过程为：
步骤三二一、定义损失函数、初始学习率、迭代次数；
步骤三二二、将步骤一建立的数据集转换成ILSVRC形式数据集，将ILSVRC形式数据集输入到步骤三一建立的VGG模型中；然后通过16个卷积层、4个池化层之后，将矩阵输入到pool_5池化层之后再通过3个全连接层；
ILSVRC形式数据集包括训练集、测试集、验证集；
其中分别将VGG的全连接层中的fc6和fc7卷积核从1*1变为3*3，同时将pool_5池化层由原来的stride＝2、卷积核2*2变成stride＝1、卷积核3*3，直到达到预定的迭代次数后结束训练从而得到预训练好的VGG模型及权重；
所述stride为内存中每行像素所占的空间；
步骤四、将步骤二预处理后待识别图像输入预训练好的VGG模型，进行铁路货车地板破损故障识别，得到检测结果；
步骤五、判断检测结果是否符合地板故障特征。
2.根据权利要求1所述地板破损故障图像识别方法，其特征在于：所述步骤一中收集样本，建立数据集；具体过程为：
步骤一一、利用线阵相机采集铁路货车地板灰度图像；采集图像的原则如下：
(1)分别收集雨水、冰雪、粉笔涂写、装载物泄露、泥渍、油渍、黑漆、灰尘情况下的铁路货车地板图像；
(2)在不同站点、不同设备、不同时间下收集铁路货车地板图像；
(3)根据铁路货车地板材质分别收集钢地板、木地板货车地板图像；
步骤一二、样本扩增：
对采集到的图像进行图像平移、图像旋转、图像镜像、图像亮度变化、裁剪、缩放、图像模糊方法中的一种或几种进行扩增，获得扩增后的全部图像，作为数据集。
3.根据权利要求1或2所述地板破损故障图像识别方法，其特征在于：所述步骤三一中建立VGG模型；具体过程为：
VGG模型包括输入层、64通道conv2卷积层1、64通道conv2卷积层2、pool_1池化层、128通道conv3卷积层1、128通道conv3卷积层2、pool_2池化层、256通道conv4卷积层1、256通道conv4卷积层2、256通道conv4卷积层3、256通道conv4卷积层4、pool_3池化层、512通道conv5卷积层1、512通道conv5卷积层2、512通道conv5卷积层3、512通道conv5卷积层4、pool_4池化层、512通道conv5卷积层5、512通道conv5卷积层6、512通道conv5卷积层7、512通道conv5卷积层8、pool_5池化层、全连接层fc6、全连接层fc7、全连接层fc8、输出层。
4.根据权利要求3所述地板破损故障图像识别方法，其特征在于：所述步骤四中将步骤二预处理后待识别图像输入预训练好的VGG模型，进行铁路货车地板破损故障识别；具体过程为：
将步骤二中得到的预处理后的待识别图像输入VGG中的64通道conv2卷积层1获取用于检测的第一个特征图；在64通道conv2卷积层后面增加了一个标准层，对每个像素点在通道维度做归一化；
从128通道conv3卷积层，256通道conv4卷积层，512通道conv5卷积层，512通道conv5卷积层中提取特征图，作为检测所用的特征图，加上64通道conv2卷积层，共提取了5个特征图，但是不同特征图设置的先验框数目不同，先验框的设置包括大小和长宽比两个方面；
sk＝smin+m-1smax-smin(k-1),k∈[1,m]
其中，m指的特征图个数，sk表示先验框大小相对于图片的比例，smax和smin表示比例的最小值与最大值；
得到了特征图之后，需要对特征图进行卷积得到检测结果，检测值包含两个部分：类别置信度和先验框位置，各采用一次3n×3n卷积来完成；
对于每个先验框，首先根据类别置信度确定先验框类别与置信度值，并根据类别过滤掉属于背景的先验框；
然后根据先验框置信度和设定的阈值进行比较过滤掉低于阈值的先验框；
对于留下的先验框进行解码，得到真实的位置坐标；解码之后，需要根据置信度对先验框进行降序排列，然后对降序排列之后的先验框进行非极大极值抑制，过滤掉重叠的先验框；最后剩余的先验框就是检测结果。
5.根据权利要求4所述地板破损故障图像识别方法，其特征在于：所述步骤五中判断检测结果是否符合地板故障特征；具体过程为：
对步骤四得到的检测结果图像与步骤二预处理后待识别图像进行灰度直方图比较，如果符合灰度特征分布规律则判定为故障图片，如不符合则处理下一张待处理图像，执行步骤三至步骤五，直至判断完所有待处理图像。
地板破损故障图像识别方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 图像获取方法和图像展示方法、装置及设备 | 2020-05-08 | 965 |
| 一种基于深度学习的遥感影像自动标注方法 | 2020-05-08 | 447 |
| 基于深度神经网络的行人步态分割方法 | 2020-05-11 | 701 |
| 一种显示方法、装置、设备和存储介质 | 2020-05-11 | 381 |
| 基于安全帽识别监控系统的配置系统、方法、设备及介质 | 2020-05-08 | 458 |
| 基于多尺度轻量化空洞卷积的光学遥感图像分割方法 | 2020-05-08 | 735 |
| 检测对象的方法、装置、电子设备和存储介质 | 2020-05-11 | 183 |
| 视频中目标物体的跟踪方法、装置、设备及存储介质 | 2020-05-08 | 190 |
| 田间图像中分割油菜花的方法、装置、设备及存储介质 | 2020-05-08 | 296 |
| 基于卫星视频的运动检测方法、装置、设备和存储介质 | 2020-05-08 | 922 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
