基于深度学习的铁路扣件图像分析和缺陷识别方法研究

The efficient and robust image intelligent analysis method for high-speed railway infrastructure inspection is expected in China. This project takes the massive, unstructured, complex patterns data of high-speed railway’s fasteners as the research object, and develops the Deep Learning technology to recognize the fastener defects automatically. The main work includes: (1) To recognize the different scene of the fastener images, the general and linear separable pattern features is extracted based on the sparse representation modeling; (2) Based on the deep learning model with feature selection, the segmentation algorithm of fastener region is researched;(3) A deep learning model based on multi-layer class recognition is proposed to study the multi-task learning method for the feature representation of fastener image with a variety of types and anomalies; (4) Finally, we work at the design method of multi-classifier system for super large scale fastener image data set, and develop the prototype system for high-speed railway’s fastener defect recognition. The expected results of the project are of great significance to the liberation of artificial labor, to enhance the intelligent level of big data processing in the railway transportation industry, and to strengthen the short board for high-speed railway security technology in China.

我国高速铁路基础设施安全检测亟需高效、鲁棒的图像智能分析方法。本课题以海量、非结构化、包含复杂模式特征的高铁线路轨道扣件图像数据为研究对象，发展深度学习技术自动识别扣件缺陷。主要工作有：(1) 针对扣件图像中不同轨道背景进行稀疏化特征表示建模，提取轨道场景表示的通用、线性可分的模式特征；(2) 基于特征图筛选的深度学习建模方法，研究扣件子图区域的分割算法；(3) 针对类型与异常模式多样的扣件图像的特征表示问题，建立基于多层类别识别的深度学习模型，并研究扣件特征表示的多任务学习方法；(4) 研究超大规模扣件图像数据集的多分类器系统设计方法，并开发高铁扣件缺陷识别原型系统。项目的预期成果对解放人工劳力，提升轨道交通行业图像大数据处理的智能化水平，补强我国高铁安全保障技术短板具有重要意义。

我国高速铁路基础设施安全检测亟需高效、鲁棒的图像智能分析方法。本课题以海量、非结构化、包含复杂模式特征的高铁线路轨道扣件图像数据为研究对象，发展深度学习技术自动识别扣件缺陷。主要工作有：(1) 轨道场景识别模型研究：针对扣件图像中不同轨道背景进行稀疏化特征表示建模，提取轨道场景表示的通用、线性可分的模式特征；(2) 轨道场景语义分割技术研究：基于特征图筛选的深度学习建模方法，研究扣件子图区域的分割算法；(3)轨道扣件区域定位方法研究：针对类型与异常模式多样的扣件定位问题，提出基于置信图模型的快速定位方法，并进一步研究扣件特征表示的在线学习方法；(4) 轨道扣件伤损的深度学习模型研究：研究超大规模扣件图像数据集的多分类器系统设计方法，并开发高铁扣件缺陷识别原型系统。项目的预期成果对解放人工劳力，提升轨道交通行业图像大数据处理的智能化水平，补强我国高铁安全保障技术短板具有重要意义。