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！

申请/专利权人：广西大学

摘要：本发明公开了一种基于改进MaskR‑CNN的轨道交通列车焊接质量检测方法，包括通过相控阵超声波检测仪采集城市轨道交通列车车体的焊缝图谱，从图谱中筛选出有焊接缺陷的图像；使用Labelme工具标注数据集里面的图像，将图像中的焊接缺陷信息标注出来；基于改进的MaskR‑CNN模型构建城市轨道交通列车车体焊接质量检测模型，然后进行多尺度融合有效提取焊接缺陷特征和训练该模型，并以一定的比例划分训练集和测试集，将训练集中的焊接缺陷图像输入改进的MaskR‑CNN模型中进行训练，并对焊接缺陷的检测效果从检测精度和检测速度两方面进行评估。本发明可以实现列车车体焊接质量智能检测，实现焊接缺陷的智能识别，且检测成本低，效率高。

主权项：1.一种基于改进MaskR-CNN的轨道交通列车焊接质量检测方法，其特征在于，所述焊接质量检测方法包括以下步骤：步骤1：通过相控阵超声波检测仪采集城市轨道交通列车车体的焊缝图谱，从图谱中筛选出有焊接缺陷的图像，判断图像缺陷类型，然后分类保存焊接缺陷图像，用于制作列车车体焊接质量检测的数据集；步骤2：使用Labelme工具标注数据集里面的图像，将图像中的焊接缺陷信息标注出来，有利于排除焊接缺陷附近的干扰信息，为之后数据集的训练和测试做好准备；步骤3：将标注完成的数据集里面的图像作数据增强处理，在保持原有缺陷信息的情况下，增加数据集的图像数量，提高数据集的泛化能力；步骤4：构建城市轨道交通列车车体焊接质量检测模型，该焊接质量检测模型基于改进的MaskR-CNN模型进行多尺度融合有效提取焊接缺陷特征；步骤5：训练改进的MaskR-CNN模型，将增强处理后的数据集转换为便于训练和测试的数据集，并以一定的比例划分训练集和测试集，将训练集中的焊接缺陷图像输入改进的MaskR-CNN模型中进行训练，训练完成后获取相应的权重文件，然后将测试集的图像输入改进的MaskR-CNN模型中测试，并对焊接缺陷的检测效果从检测精度和检测速度两方面进行评估；在所述步骤4中，所述改进MaskR-CNN模型先以GCNet特征提取网络进行全局提取焊接缺陷特征，再通过RPN区域提取网络RPN、ROIAlign区域特征聚集网络以及BFPN特征均衡网络进行特征融合，然后通过Mask掩膜标出焊接缺陷，最后通过全连接层、回归层一级分类层实现焊接缺陷的识别和分类；所述GCNet特征提取网络由50层特征图组成，假设共需要查询i个特征，x为所有输入特征，xi为第i层特征图的输入，zi为这一层特征图的输出，则输入模型为： NP为特征地图中的特征数，满足：NP＝H×W2；全局注意力机制池化的权重αj满足： 特征图的输出zi满足： 其中，H和W分别为输入图像的高度和宽度；k、m和j为从1到NP的正整数，xj，xm分别表示第j层，第m层特征图的输入，是全局特征变换值，ReLU为修正线性单元函数，LN为正则化函数，Wk，Wv1，Wv2表示线性变换矩阵函数；所述BFPN特征均衡网络融合L层语义特征图并且保持语义特征，并使用插值法和最大池化将多层的语义特征图的尺寸修改为中间层的尺寸；在L层语义特征图中，假设第l层的语义特征图的分层率特征为C1,平均后的尺寸特征用C表示，则每层语义特征图都获取来自其他层的语义信息，则语义信息流的有效性满足： 其中，最低层用lmin表示，最高层用lmax表示。

全文数据：

权利要求：

百度查询： 广西大学 一种基于改进Mask R-CNN的轨道交通列车焊接质量检测方法