1.一种铁路轨道扣件缺陷检测方法,其特征在于,所述铁路轨道扣件缺陷检测方法包括:
获取目标图像;所述目标图像为包含待检测铁路轨道扣件的图像;
将所述目标图像输入至铁路轨道扣件缺陷检测模型中,得到目标缺陷检测结果;所述铁路轨道扣件缺陷检测模型是对初始网络进行训练得到的,所述初始网络是基于小波变换卷积基础块、小波特征升级网络、跨阶段部分平行膨胀卷积网络和通道门控注意力下采样网络构建的;所述目标缺陷检测结果为标注有所述待检测铁路轨道扣件包含的缺陷的预测边界框和预测类别的目标图像;
初始网络,包括:主干网络、混合编码器和Transform解码器;
主干网络包括:依次连接的第一卷积块、第二卷积块、第三卷积块、第一最大池化层、第一小波变换卷积基础块、第二小波变换卷积基础块、第三小波变换卷积基础块、第四小波变换卷积基础块和第四卷积块;
混合编码器包括:第五卷积块、第六卷积块、基于注意力的尺度内特征交互模块以及依次连接的第七卷积块、第一小波特征升级模块、第一跨阶段部分平行膨胀卷积模块、第八卷积块、第二小波特征升级模块、第二跨阶段部分平行膨胀卷积模块、第一通道门控注意力下采样模块、第一加法器、第三跨阶段部分平行膨胀卷积模块、第二通道门控注意力下采样模块、第二加法器和第四跨阶段部分平行膨胀卷积模块;第二小波变换卷积基础块与第五卷积块连接,第三小波变换卷积基础块与第六卷积块连接,基于注意力的尺度内特征交互模块与第七卷积块连接,第七卷积块与第二加法器连接,第八卷积块与第一加法器连接;
第二跨阶段部分平行膨胀卷积模块、第三跨阶段部分平行膨胀卷积模块和第四跨阶段部分平行膨胀卷积模块均与Transform解码器连接;
第一小波特征升级模块和第二小波特征升级模块均为小波特征升级网络,小波特征升级网络包括:小波变换单元、残差块、第三加法器和小波逆变换单元;
小波变换单元分别与残差块和第三加法器连接;第三加法器和残差块分别与小波逆变换单元连接;
第一跨阶段部分平行膨胀卷积模块、第二跨阶段部分平行膨胀卷积模块、第三跨阶段部分平行膨胀卷积模块和第四跨阶段部分平行膨胀卷积模块均为跨阶段部分平行膨胀卷积网络,跨阶段部分平行膨胀卷积网络包括:第九卷积块、第十卷积块、平行膨胀卷积单元、第四加法器和第十一卷积块;平行膨胀卷积单元包括:第十二卷积块、第十三卷积块、第十四卷积块、第五加法器和第十五卷积块;
第九卷积块与第四加法器连接,第十卷积块分别与第十二卷积块、第十三卷积块和第十四卷积块连接,第十二卷积块、第十三卷积块和第十四卷积块均与第五加法器连接,第五加法器与第十五卷积块连接,第十五卷积块与第四加法器连接,第四加法器与第十一卷积块连接;
第一通道门控注意力下采样模块和第二通道门控注意力下采样模块均为通道门控注意力下采样网络,通道门控注意力下采样网络包括:全局平均池化层、第十六卷积块、第二最大池化层、通道门控单元、第六加法器、第十七卷积块、乘法器和第十八卷积块;通道门控单元包括:第十九卷积块和Hardsigmoid激活函数;
全局平均池化层与第十九卷积块连接,第十九卷积块与Hardsigmoid激活函数连接,第二最大池化层与第十七卷积块连接,第十六卷积块和第十七卷积块均与第六加法器连接,Hardsigmoid激活函数和第六加法器均与乘法器连接,乘法器与第十八卷积块连接。
2.根据权利要求1所述的铁路轨道扣件缺陷检测方法,其特征在于,所述铁路轨道扣件缺陷检测模型的确定过程,包括:获取多张样本图像和对应的真实缺陷检测结果;样本图像为包含样本铁路轨道扣件的图像,真实缺陷检测结果为标注有样本铁路轨道扣件包含的缺陷的真实边界框和真实类别的样本图像;
构建所述初始网络;
以各样本图像为输入,以对应的真实缺陷检测结果为输出,对所述初始网络进行训练,得到所述铁路轨道扣件缺陷检测模型。
3.根据权利要求2所述的铁路轨道扣件缺陷检测方法,其特征在于,将所述目标图像输入至铁路轨道扣件缺陷检测模型中,得到目标缺陷检测结果,包括:将所述目标图像输入至铁路轨道扣件缺陷检测模型中的主干网络中,得到待检测铁路轨道扣件的第一主干输出特征图、第二主干输出特征图和第三主干输出特征图;
将所述第一主干输出特征图、所述第二主干输出特征图和所述第三主干输出特征图均输入至铁路轨道扣件缺陷检测模型中的混合编码器中,得到待检测铁路轨道扣件的第一编码输出特征图、第二编码输出特征图和第三编码输出特征图;
将所述第一编码输出特征图、所述第二编码输出特征图和所述第三编码输出特征图均输入至铁路轨道扣件缺陷检测模型中的Transform解码器中,得到目标缺陷检测结果。
4.一种铁路轨道扣件缺陷检测系统,以实现权利要求1-3中任一项所述铁路轨道扣件缺陷检测方法,其特征在于,所述铁路轨道扣件缺陷检测系统包括:图像获取模块,用于获取目标图像;所述目标图像为包含待检测铁路轨道扣件的图像;
缺陷检测模块,用于将所述目标图像输入至铁路轨道扣件缺陷检测模型中,得到目标缺陷检测结果;所述铁路轨道扣件缺陷检测模型是对初始网络进行训练得到的;所述目标缺陷检测结果为标注有所述待检测铁路轨道扣件包含的缺陷的预测边界框和预测类别的目标图像;
初始网络,包括:主干网络、混合编码器和Transform解码器;
主干网络包括:依次连接的第一卷积块、第二卷积块、第三卷积块、第一最大池化层、第一小波变换卷积基础块、第二小波变换卷积基础块、第三小波变换卷积基础块、第四小波变换卷积基础块和第四卷积块;
混合编码器包括:第五卷积块、第六卷积块、基于注意力的尺度内特征交互模块以及依次连接的第七卷积块、第一小波特征升级模块、第一跨阶段部分平行膨胀卷积模块、第八卷积块、第二小波特征升级模块、第二跨阶段部分平行膨胀卷积模块、第一通道门控注意力下采样模块、第一加法器、第三跨阶段部分平行膨胀卷积模块、第二通道门控注意力下采样模块、第二加法器和第四跨阶段部分平行膨胀卷积模块;第二小波变换卷积基础块与第五卷积块连接,第三小波变换卷积基础块与第六卷积块连接,基于注意力的尺度内特征交互模块与第七卷积块连接,第七卷积块与第二加法器连接,第八卷积块与第一加法器连接;
第二跨阶段部分平行膨胀卷积模块、第三跨阶段部分平行膨胀卷积模块和第四跨阶段部分平行膨胀卷积模块均与Transform解码器连接;
第一小波特征升级模块和第二小波特征升级模块均为小波特征升级网络,小波特征升级网络包括:小波变换单元、残差块、第三加法器和小波逆变换单元;
小波变换单元分别与残差块和第三加法器连接;第三加法器和残差块分别与小波逆变换单元连接;
第一跨阶段部分平行膨胀卷积模块、第二跨阶段部分平行膨胀卷积模块、第三跨阶段部分平行膨胀卷积模块和第四跨阶段部分平行膨胀卷积模块均为跨阶段部分平行膨胀卷积网络,跨阶段部分平行膨胀卷积网络包括:第九卷积块、第十卷积块、平行膨胀卷积单元、第四加法器和第十一卷积块;平行膨胀卷积单元包括:第十二卷积块、第十三卷积块、第十四卷积块、第五加法器和第十五卷积块;
第九卷积块与第四加法器连接,第十卷积块分别与第十二卷积块、第十三卷积块和第十四卷积块连接,第十二卷积块、第十三卷积块和第十四卷积块均与第五加法器连接,第五加法器与第十五卷积块连接,第十五卷积块与第四加法器连接,第四加法器与第十一卷积块连接;
第一通道门控注意力下采样模块和第二通道门控注意力下采样模块均为通道门控注意力下采样网络,通道门控注意力下采样网络包括:全局平均池化层、第十六卷积块、第二最大池化层、通道门控单元、第六加法器、第十七卷积块、乘法器和第十八卷积块;通道门控单元包括:第十九卷积块和Hardsigmoid激活函数;
全局平均池化层与第十九卷积块连接,第十九卷积块与Hardsigmoid激活函数连接,第二最大池化层与第十七卷积块连接,第十六卷积块和第十七卷积块均与第六加法器连接,Hardsigmoid激活函数和第六加法器均与乘法器连接,乘法器与第十八卷积块连接。
5.一种计算机装置,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-3中任一项所述铁路轨道扣件缺陷检测方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-3中任一项所述铁路轨道扣件缺陷检测方法。