(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 202211298769.7 (22)申请日 2022.10.24 (71)申请人 中铁科学技术开发有限公司 地址 100000 北京市海淀区大柳树路2号 申请人 中国铁道科 学研究院集团有限公司 铁道建筑研究所 　 中国铁路兰州局集团有限公司 　 中国铁道科 学研究院集团有限公司 (72)发明人 柴雪松　谢为民　张慧　辛向党　 付峥锐　于国丞　时孝荣　薛峰　 李晨冉　柴永红　 (74)专利代理 机构 北京天盾知识产权代理有限 公司 11421 专利代理师 姜有保(51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/42(2022.01) G06V 10/24(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种铁路货检高清图像智能识别方法和系 统 (57)摘要 本发明涉及一种铁路货检高清图像智能识 别方法和系统， 该方法包括如下步骤： （1） 选取多 个车型的货车拍摄货车场景图像， 构建货车病害 数据集； （2） 获取待检测的货车过车图像； （3） 基 于全局多维度注意力机制对待检测的货车过车 图像进行分类； （4） 基于Faster ‑RCNN深度学习神 经网络， 检测待检测的货车过车图像是否存在病 害， 并对病害进行定位； （5） 识别病害。 本发明涉 及视觉技术在铁路货车病害识别中的应用， 将深 度神经网络技术与图像检测识别技术结合起来， 应用于货车病害智能识别领域， 可以克服传统货 车病害图像检测识别技术的不足， 能够解决传统 货车病害检测识别中效率、 成本、 安全等问题。 权利要求书3页 说明书9页 附图5页 CN 115359306 A 2022.11.18 CN 115359306 A 1.一种铁路货检高清图像智能识别方法， 其特 征在于， 该 方法包括如下步骤： （1） 选取多个车 型的货车拍摄货车场景图像， 构建货车病害数据集； （2） 获取待检测的货车 过车图像； （3） 基于全局多维度注意力机制对待检测的货车 过车图像进行分类； （4） 基于Faster ‑RCNN深度学习神经网络， 检测待检测的货车过车 图像是否存在病害， 并对病害 进行定位； （5） 识别所述病害的类型。 2.根据权利要求1所述的铁路货检高清图像智能识别方法， 其特征在于， 该方法还包括 如下步骤： （6） 将检测结果与识别结果反馈于所述深度学习神经网络， 用于参数更新与自适应调 整。 3.根据权利要求2所述的铁路货检高清图像智能识别方法， 其特征在于， 所述反馈采用 以下损失函数： ， 其中，LOSScls为车型分类损失， LOSSdet为目标检测损失； 为超参， 表示病害定位误差 所占的权 重； 其中， 车型分类损失 LOSScls采用交叉熵损失： ， 其中， 为预测标签， 为ground truth标签， N 为样本数量； 其中， 目标检测损失 LOSSdet包括异物分类损失 LOSScls‑gc和边界框回归损失 LOSSbox， ， 其中， 为第i个预设框的预测分类概率； 当第i个预设框是正样本时， ； 当 第i个预设框是负样本时， ； 为第i个预设框预测边框的参数化坐标； 为第i 个预设框的真实值边框的参数化坐标； 为迷你批大小； 为边框的数量； λ为边框 回归损失的权 重；  ， R是 函数， ， 其中， 为函数输入。 4.根据权利要求1至3任一项所述的铁路货检高清图像智能识别方法， 其特征在于， 步权　利　要　求　书 1/3 页 2 CN 115359306 A 2骤 （1） 中， 所述货车场景图像包括货车 车型和病害标注边框 。 5.根据权利要求1至3任一项所述的铁路货检高清图像智能识别方法， 其特征在于， 步 骤 （1） 还包括： 对 所述货车场景图像进行缩放、 裁剪和/或翻转操作， 获得货车场景图像数据 增强增加样本集。 6.根据权利要求1至3任一项所述的铁路货检高清图像智能识别方法， 其特征在于， 步 骤 （3） 包括： 对待检测的货车过车图像进行区域划分， 对各区域图像进行位置编码， 将各区 域图像的位置编码信息与区域特征组合， 计算多维度权重注意力， 得到待检测的货车过车 图像的全局特 征并进行分类。 7.根据权利要求6所述的铁路货检高清图像智能识别方法， 其特 征在于， 所述区域特 征为： ， 其中， vi为第i个区域特征， 待检测的货车过车图像分成 个区域， 为图像特征的维 度； 所述位置编码信息为： ， 其中， 为待检测的货车过车图像的宽度和高度， 、 分别 为各区域图像的左上角和右下角的坐标； 所述将各区域图像的位置编码信息与区域特 征组合是按照以下 方式组合： ， ， 其中， fi为第i个编码信息， 为含有位置信息的区域特 征集合； 所述多维度权 重注意力通过 下式计算： 其中， 、 为含有随机丢弃的全连接层， 、 分别为 、 的参数， 为 激活函数； 所述全局特 征通过下式得到： 。 8.根据权利要求1至3任一项所述的铁路货检高清图像智能识别方法， 其特征在于， 步 骤 （4） 包括： 使用RPN基于不同分类对待检测的货车过车图像中的病害进行粗定位， 得到候选病害权　利　要　求　书 2/3 页 3 CN 115359306 A 3