(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221076279 9.2 (22)申请日 2022.06.30 (71)申请人 成都理工大 学 地址 610059 四川省成 都市二仙桥 东三路1 号 (72)发明人 杨红娟　段超　梅桂明　邓星桥　 刘佳新　杨东升　蔡诚　李凡　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 李梦蝶 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/00(2017.01) G06T 7/70(2017.01) G06V 10/20(2022.01)G06V 10/30(2022.01) G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种轨道 表面磨损识别分类方法及系统 (57)摘要 本发明提出了一种轨道表面磨损识别分类 方法及系统， 涉及轨道交通技术领域， 包括： 采集 轨道表面缺陷图像； 获取经纬度信息， 并将经纬 度信息与轨道表面缺陷图像相融合； 对融合图像 进行去噪增强处理以得到特征图像； 基于图像标 注工具将特征图像进行磨损类别的人工标注以 提取标注的轨道表面磨损类别信息； 基于轨道表 面磨损类别信息训练得到卷积神经网络分类模 型， 并输入待检测轨道图像到所述卷积神经网络 分类模型以得到轨道发生磨损的识别分类结果； 本发明通过自动采集轨道表面图像数据， 利用图 像处理技术与卷积神经网络分类模型对图像进 行缺陷分类， 弥补了传统轨道 缺陷检测方式的缺 点， 安全高效且成本 较低。 权利要求书2页 说明书7页 附图2页 CN 114972117 A 2022.08.30 CN 114972117 A 1.一种轨道 表面磨损识别分类方法， 其特 征在于， 包括以下步骤： S1、 采集轨道 表面缺陷图像； S2、 获取经纬度信息， 并将经纬度信息与轨道表面缺陷图像相融合以得到轨道融合图 像； S3、 对轨道融合图像进行去噪增强处 理以得到特 征图像； S4、 基于图像标注工具将特征图像进行磨损类别的人工标注以提取标注的轨道表面磨 损类别信息； S5、 基于标注的轨道表面磨损类别信 息训练得到用于识别各种磨损缺陷种类的卷积神 经网络分类模型， 并输入待检测轨道图像到所述卷积神经网络 分类模型以得到轨道发生磨 损的识别分类结果。 2.如权利要求1所述的一种轨道表面磨损识别分类方法， 其特征在于， 步骤S3 中所述对 轨道融合图像进行去噪增强处 理的步骤 包括： 对轨道融合图像进行 灰度化处 理， 并提取轨道周围图像； 基于形态学膨胀和腐蚀做差处理法对轨道周围图像进行处理以得到图像极大值， 并基 于图像极大值对轨道周围图像中的轨道图像进行精确定位； 采用中值滤波和双边滤波法消除精确定位后的轨道图像中的噪声以得到去噪图像； 利用Canny算法对去噪图像进行边 缘分割以提取 得到包含轨道边 缘信息的特 征图像。 3.如权利要求2所述的一种轨道表面磨损识别分类方法， 其特征在于， 所述利用Canny 算法对去噪图像进行边 缘分割前还 包括： 对去噪图像进行伪边 缘去除。 4.如权利要求1所述的一种轨道表面磨损识别分类方法及系统， 其特征在于， 步骤S5 中 所述基于标注的轨道表面磨损 类别信息训练用于识别各种磨损缺陷种类的卷积神经网络 分类模型的步骤 包括： 基于标注的轨道表面磨损类别信 息将标注好的轨道表面磨损图像划分为训练集、 验证 集和测试集； 通过训练集训练卷积神经网络模型以得到最高分类精度的卷积神经网络模型； 将训练集得到的最高分类精度的卷积神经网络模型输入验证集进行验证， 将测试集输 入验证通过 的卷积神经网络模型验证模型的最终泛化性以得到用于识别各种磨损缺陷种 类的卷积神经网络分类模型。 5.如权利要求4所述的一种轨道表面磨损识别分类方法及系统， 其特征在于， 所述验证 通过的判断方法包括： 判断训练集得到的最高分类精度的卷积神经网络模型在验证集上的分类精度是否明 显低于该模型在训练集上的分类精度， 若 是， 则表示 发生了过拟合， 重新调整模 型超参数并 利用训练集训练模型， 若否， 则表示该模型验证通过。 6.如权利要求1所述的一种轨道表面磨损识别分类方法及系统， 其特征在于， 步骤S5 中 所述识别分类结果包括轨道发生磨损的类型、 相关概 率以及轨道的磨损程度。 7.一种轨道 表面磨损识别分类系统， 包括： 图像采集模块， 用于采集轨道 表面缺陷图像； 卫星定位模块， 用于获取经纬度信息， 并将经纬度信息与轨道表面缺陷图像相融合以 得到轨道融合图像；权　利　要　求　书 1/2 页 2 CN 114972117 A 2图像处理模块， 用于对轨道融合图像进行去噪增强处 理以得到特 征图像； 图像标注模块， 用于基于图像标注工具将特征图像进行磨损类别的人工标注以提取标 注的轨道 表面磨损类别 信息； 识别分类模块， 用于基于标注的轨道表面磨损类别信 息训练得到用于识别各种磨损缺 陷种类的卷积神经网络模型， 并输入待检测轨道图像到所述卷积神经网络 分类模型以得到 轨道发生磨损的识别分类结果。 8.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储一个或多个程序； 处理器； 当所述一个或多个程序被所述处理器执行时， 实现如权利要求1 ‑6中任一项所述的一 种轨道表面磨损识别分类方法。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被处 理器执行时实现如权利要求1 ‑6中任一项所述的一种轨道 表面磨损识别分类方法。权　利　要　求　书 2/2 页 3 CN 114972117 A 3