(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 202210367179.9 (22)申请日 2022.04.08 (71)申请人 成都唐源电气股份有限公司 地址 610046 四川省成 都市武侯区武兴五 路355号西部智谷A1-1-9 (72)发明人 占栋　王瑞峰　周蕾　梁四平　 王云龙　赵杰超　张金鑫　董建明　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06T 5/20(2006.01) G06T 5/00(2006.01) G06T 3/60(2006.01) G06T 3/40(2006.01) G06V 10/25(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种刚性汇流 排缺陷检测方法及装置 (57)摘要 本发明公开了一种刚性汇流排缺陷的检测 方法及装置， 涉及图像处理及图像识别的技术领 域； 包括S1、 利用深度学习模型， 从采集获得的汇 流排图像中， 定位感兴趣汇流排区域图像； S2、 滤 除所述感兴趣汇流排区域图像的噪声； S3、 对滤 除噪声后的感兴趣汇流排区域图像进行预处理， 得到特征图， 从所述特征图中提取出汇流排特 征； S4、 根据提取出的所述汇流排特征， 进行汇流 排缺陷检测， 所述汇流排缺陷检测包括汇流排弯 曲变形检测和/或汇流排擦伤检测。 本发明的汇 流排缺陷检测方法， 能够快速准确的检测并判断 汇流排是否弯曲变形， 以及快速识别汇流排擦伤 类型及并定位汇流排擦伤位置， 适用于轨道交通 领域刚性接 触网。 权利要求书2页 说明书11页 附图4页 CN 114897778 A 2022.08.12 CN 114897778 A 1.一种刚性汇流 排缺陷检测方法， 其特 征在于， 包括： S1、 利用深度学习模型， 从采集获得的汇流 排图像中， 定位感兴趣汇流 排区域图像； S2、 通过中值滤波对所述感兴趣汇流排区域图像进行平滑和滤波处理， 滤除感兴趣汇 流排区域图像噪声； S3、 对滤除噪声后的感兴趣汇流排区域图像进行预处理， 得到特征图， 从所述特征图中 提取出汇流排特征； S4、 根据提取出的所述汇流排特征， 进行汇流排缺陷检测， 其中， 所述汇流排缺陷检测 包括汇流 排弯曲变形检测 和/或汇流 排擦伤检测。 2.根据权利要求1所述的刚性汇流排缺陷检测方法， 其特征在于： 所述步骤S1中利用深 度学习模型， 从采集获得的汇流 排图像中， 定位感兴趣汇流 排区域图像， 具体包括： S11、 对采集获得的汇流 排图像进行 预处理， 并进行YOLOV4模型训练； S12、 验证训练后的YOLOV4模型， 以确定 YOLOV4模型 是否需要再训练； S13、 利用训练完成的YOLOV4模型， 对汇流排进行定位， 选出感兴趣汇流排区域图像， 并 输出所述感兴趣汇流 排区域图像的坐标。 3.根据权利要求2所述的刚性汇流排缺陷检测方法， 其特征在于， 所述步骤S11中对采 集获得的汇流 排图像进行 预处理， 并进行YOLOV4模型训练， 包括： S111、 使用安装在车顶的线阵相机或面阵相机采集得到汇流 排图像； S112、 对采集得到的汇流 排图像进行旋转、 翻转和放大处 理， 以增强汇流 排图像数据； S113、 使用图片标注工具对汇流排图像进行标注， 利用K折交叉验证法将标注后的汇流 排图像划分为训练集和验证集； S114、 对所述训练集进行训练， 得到训练后的YOLOV4模型。 4.根据权利要求3所述的刚性汇流排缺陷检测方法， 其特征在于： 所述步骤S12中验证 训练后的YOLOV4模型， 以确定 YOLOV4模型 是否需要再训练， 包括： 通过所述验证集， 验证所述训练后的YOLOV4模型的定位 准确率； 若未达到预期效果， 则重复步骤S1 1； 若达到预期效果， 则YOLOV4模型训练完成。 5.根据权利要求1所述的刚性汇流排缺陷检测方法， 其特征在于， 所述平滑和滤波处 理， 包括： 通过对所述感兴趣汇流排区域图像的局部像素进行排序， 计算所述局部像素内每个像 素点的灰度值， 选取中位数作为当前输入像素的灰度值， 去除噪声干扰。 6.根据权利要求5所述的刚性汇流排缺陷检测方法， 其特征在于， 所述汇流排特征至少 包括汇流 排弯曲变形 特征和汇流 排擦伤特 征。 7.根据权利要求6所述的刚性汇流 排缺陷检测方法， 其特 征在于， 所述汇流 排弯曲变形 特征， 包括： 汇流 排轮廓信息； 所述汇流排弯曲变形检测， 包括： 利用所述汇流排轮廓信 息， 计算得到汇流排相关的线 条； 再对汇流排线 条进行拟合， 得到汇流排拟合直线； 通过所述汇 流排线条上的点到所述汇 流排拟合直线的最大距离， 与预设距离阈值比较， 判断汇流 排是否弯曲变形。 8.根据权利要求7所述的刚性汇流排缺陷检测方法， 其特征在于， 使用拉普拉斯边缘检 测算法， 计算输入像素的最大 连通区域， 得到汇流 排边缘轮廓信息 。权　利　要　求　书 1/2 页 2 CN 114897778 A 29.根据权利要求8所述的刚性汇流排缺陷检测方法， 其特征在于， 使用霍夫曼直线检测 算法， 从所述汇流排轮廓信息中提取汇流排线条， 根据所述汇流排线 条长度和角度， 筛选干 扰线条， 得到汇流排直线； 通过加权最小二乘法拟合所述汇流排直线， 得到汇流排拟合直 线。 10.根据权利要求8所述的刚性汇流排缺陷检测方法， 其特征在于， 当所述汇流排线条 上的点到所述汇流排拟合直线的最大距离大于等于预设距离阈值时， 判定汇流排弯曲变 形。 11.根据权利要求6所述的刚性汇流排缺陷检测方法， 其特征在于， 所述汇流排擦伤检 测， 包括： 以训练后的YOLOV4模型为基础， 结合STN空间域注意力机制， 提取得到汇流排擦伤特 征； 通过标注的训练样本， 训练目标检测模型； 通过训练好的目标检测模型对所述汇流排擦 伤特征进行定位和分类。 12.根据权利要求11所述的刚性汇流排缺陷检测方法， 其特征在于， 所述通过训练后的 YOLOV4模型和STN空间域注意力机制， 提取 得到汇流 排擦伤特 征， 包括： 利用所述YOLOV4模型对所述特 征图进行 卷积和池化处 理， 生成新的汇流 排特征图θ； 对所述汇流排特征图θ各个像素灰度值数据进行批量归一化处理， 使图像像素值分布 在[0,1]范围； 通过激活函数RELU， 使得YOLOV4模型变得稀疏； 利用仿射变换工具对所述汇流排特征图θ进行再翻转和裁剪处理， 以提高训练数据集 的丰富度； 使用双线性插值算法， 使整个YOLOV4模型可以端到端进行反向传播训练， 不断的迭代 更新模型权 重， 获得权 重的最优解。 13.一种适用于权利要求1 ‑12任意一项所述的刚性汇流排缺陷检测方法的刚性汇流排 缺陷检测装置， 其特征在于， 包括图像采集模块、 图像处理模块， 以及汇流排缺陷检测模块； 其中， 所述汇流 排缺陷检测模块包括汇流 排弯曲变形检测模块、 汇流 排擦伤检测模块； 所述图像采集模块至少包括线阵相机和/或面阵相机， 用于采集获取汇流 排图像； 所述图像处理模块， 用于处理所述图像采集模块采集获取到的汇流排图像， 以定位汇 流排并获得汇流 排特征； 所述汇流排弯曲变形检测模块， 用于根据所述汇流排特征， 计算并检测汇流排弯曲变 形； 所述汇流排擦伤检测模块， 包括YOLOV4+STN目标检测模型， 用于根据定位后的汇流排 及汇流排特征图， 检测汇流 排擦伤。权　利　要　求　书 2/2 页 3 CN 114897778 A 3