买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国地质大学(武汉)申请的专利一种轨道机车表面缺陷检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116416234B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310384365.8，技术领域涉及：G06T7/00；该发明授权一种轨道机车表面缺陷检测方法及系统是由梅爽;王贺堡;张家庆;陈欣怡;贺鑫;文国军设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本一种轨道机车表面缺陷检测方法及系统在说明书摘要公布了：本发明提供一种轨道机车表面缺陷检测方法及系统，包括：获取外表面图像的标准图像和缺陷图像；对标准图像进行裁剪，获得无缺陷样本集；对缺陷图像进行图像校正和裁剪，获得缺陷样本集；通过损失函数对孪生CNN网络进行训练，获得训练好的孪生CNN网络；将无缺陷样本集输入训练好的孪生CNN网络，获得第一特征张量F1；将缺陷样本集输入训练好的孪生CNN网络，获得第二特征张量F2；计算第一特征张量F1与第二特征张量F2之间的欧式距离，获得距离图；对距离图进行优化获得最终变化图。本发明构建并训练孪生CNN网络，能够使用该网络进行标准图像和缺陷图像的特征提取，解决了因图像背景复杂无法有效提取图像缺陷区域特征的问题。

本发明授权一种轨道机车表面缺陷检测方法及系统在权利要求书中公布了：1.一种轨道机车表面缺陷检测方法，其特征在于，包括： S1：采集轨道机车外表面图像，获取外表面图像的标准图像和缺陷图像； S2：对标准图像进行裁剪，获得无缺陷样本集；对缺陷图像进行图像校正和裁剪，获得缺陷样本集； S3：构建孪生CNN网络，通过损失函数对孪生CNN网络进行训练，获得训练好的孪生CNN网络； S4：将无缺陷样本集输入训练好的孪生CNN网络，获得第一特征张量F1；将缺陷样本集输入训练好的孪生CNN网络，获得第二特征张量F2； S5：计算第一特征张量F1与第二特征张量F2之间的欧式距离，获得距离图； S6：对距离图进行优化获得最终变化图，通过最终变化图获得轨道机车外表面的缺陷区域； 步骤S2具体为： S21：标准图像的宽为W1高为H1，获取缺陷图像中的畸变图像，畸变图像的宽为W2高为H1，在标准图像和畸变图像上分别创建宽为W0高为H1的第一滑动窗口和第二滑动窗口； S22：通过SIFT特征匹配算法，将畸变图像在第二滑动窗口内的区域与标准图像在第一滑动窗口内的区域进行特征点匹配，获得关键点； S23：通过匹配的关键点对第二滑动窗口内的畸变图像进行透视变换矩阵的计算，得到校正后的图像，将该校正后的图像作为第二滑动窗口位置裁剪获得的缺陷样本； S24：将第二滑动窗口的位置传递给第一滑动窗口，使两个滑动窗口在像素坐标系下的位置一致，将第一滑动窗口中的标准图像作为第一滑动窗口位置裁剪获得的无缺陷样本； S25：移动第二滑动窗口的位置后重复步骤S21-S24，直至剩余未遍历的像素列数小于W0并舍弃未遍历区域，获得的所有无缺陷样本作为无缺陷样本集，获得的所有缺陷样本作为缺陷样本集； 所述孪生CNN网络包括：第一分支网络和第二分支网络； 第一分支网络和第二分支网络均包括五个卷积块； 每个卷积块均包括：一个卷积层、一个Relu激活层和归一化层； 最后一个卷积块中卷积层的卷积核大小设置为1*1； 第一个卷积块中卷积层到第四个卷积块中卷积层的卷积核大小依次设置为：3*3、3*3、5*5和5*5； 所述孪生CNN网络的训练过程具体为： 通过损失函数更新孪生CNN网络的网络权重参数，直至网络损失收敛，计算公式为： 其中，Loss为网络损失；Di,j为欧氏距离；i，j为图像像素坐标系下的横、纵坐标；k为训练样本对的次数；wu和wc分别表示变化和不变像素对的权重；yi，j为像素变化系数，当两图对应像素对不变时yi，j＝0，若发生变化yi，j＝1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。