摘要
本发明提供了一种基于自融合机制的钢轨表面缺陷定位方法及相关装置,涉及智能检测技术领域,包括获取钢轨表面伤损的图像数据和正常钢轨的图像数据;在缩放后的二维图像中标记出伤损位置,得到真值图像;将高程图像与对应的二维图像合并为样本图像;构建数据集,将所述数据集划分为训练集和测试集;构建自融合机制的卷积神经网络模型,利用所述训练集和测试集对卷积神经网络模型进行训练和测试,得到训练完成的钢轨表面缺陷定位模型;将待检测钢轨的二维图像和高程图像合并后输入至钢轨表面缺陷定位模型,得到钢轨表面的伤损位置,本发明用于解决现有的语义分割算法用于钢轨表面缺陷的检测时定位不准确的技术问题。
技术关键词
钢轨表面缺陷
卷积神经网络模型
图像特征信息
定位方法
残差卷积神经网络
样本
编码机制
网络模型训练
像素点
特征提取单元
关系建模
图像缩放
数据
生成特征
信息编码
语义分割算法
智能检测技术
系统为您推荐了相关专利信息
卷积神经网络模型
解码网络
神经网络架构
脉冲
编码器
智能监测系统
光功率
AI算法
LSTM模型
网络设备
环境检测模块
缝纫机
控制系统
驱动信号
缺陷预测
精准定位方法
施工现场
信号接收天线
安全帽
管理中心