近年來，人工智能在全球范圍內(nèi)迅速落地應(yīng)用，廣泛地應(yīng)用到了我們生活的方方面面。深度學(xué)習(xí)的異常檢測技術(shù)：主要用于檢測異常物體在2D圖片上的位置，深度學(xué)習(xí)無監(jiān)督學(xué)習(xí)方法如PatchCore、PaDiM和DifferNet等。深度學(xué)習(xí)監(jiān)督學(xué)習(xí)目標(biāo)檢測方法如Faster R?CNN、Yolo v5以及DETR等。
現(xiàn)有的高鐵檢修大部分依賴于人工對高鐵是否存在異常的物體進(jìn)行異常檢測，少部分情況基于深度學(xué)習(xí)的監(jiān)督學(xué)習(xí)的檢測方法依賴實(shí)際場景人工模擬異常。并且需要對采集的異常數(shù)據(jù)進(jìn)行人工標(biāo)注，然后使用監(jiān)督學(xué)習(xí)的目標(biāo)檢測方法進(jìn)行異常檢測。
傳統(tǒng)采用人工檢修的方式，不僅檢修人員的工作環(huán)境惡劣，而且成本高、效率低?；谏疃葘W(xué)習(xí)的檢修方式，雖然能夠在一定程度上實(shí)現(xiàn)較好的效果，但是需要人工對采集數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注成本大，而且無法模擬出全部的異常物體類型，可能會導(dǎo)致無法成功檢測的情況，從而造成高鐵運(yùn)行的重大事故。
為此，格靈深瞳在2022年8月29日申請了一項(xiàng)名為“一種用于高鐵檢修的監(jiān)測方法以及裝置”的發(fā)明專利(申請?zhí)枺?02211038266.6)，申請人為北京格靈深瞳信息技術(shù)股份有限公司。
根據(jù)該專利目前公開的相關(guān)資料，讓我們一起來看看這項(xiàng)技術(shù)方案吧。
如上圖，為該專利中公開的用于高鐵檢修監(jiān)測方法的流程圖。首先，獲取采集高鐵目標(biāo)位置的目標(biāo)圖像。其次，基于目標(biāo)圖像利用深度卷積神經(jīng)網(wǎng)絡(luò)從樣本圖像中提取特征圖。最后，將特征圖輸入到目標(biāo)檢測模型中，確定目標(biāo)圖像是否存在異常。其中，目標(biāo)檢測模型是基于未出現(xiàn)異常的樣本圖像進(jìn)行訓(xùn)練，直至樣本圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中，則結(jié)束檢測模型的訓(xùn)練，得到目標(biāo)檢測模型。
該模型中使用一維歸一化流模型進(jìn)行異常檢測，歸一化流模型的作用機(jī)制為只對正常數(shù)據(jù)進(jìn)行訓(xùn)練，可以將正常圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中。在進(jìn)行測試時，對于圖像中異常的區(qū)域，則會被模型擬合到另一個分布。因此只需要設(shè)置一個經(jīng)驗(yàn)閾值，就可以將正常與異常區(qū)域分開。
如上圖，為上述基于流模型的高鐵檢修無監(jiān)督異常檢測方法的結(jié)構(gòu)框圖。首先，機(jī)器人調(diào)整攝像頭和光源，采集目標(biāo)設(shè)備的清晰圖像數(shù)據(jù)，并進(jìn)行圖像增強(qiáng)處理。其次，利用深度卷積神經(jīng)網(wǎng)絡(luò)Wide?Resnet50來進(jìn)行圖像特征提取。Wide?Resnet50作為一個特征提取網(wǎng)絡(luò)，相比于傳統(tǒng)的ResNet網(wǎng)絡(luò)，該網(wǎng)絡(luò)使用一種較淺的，并在每個單層上更寬的(維度)模型來提升模型性能。
如上圖所示，為特征提取模塊結(jié)構(gòu)示意圖。特征提取模塊wide?Resenet 50圖像金字塔，每一層的數(shù)據(jù)將輸入至歸一化流模型。將圖像增強(qiáng)后的圖像線性下采樣到長寬相同的(1024.1024)的尺寸，然后經(jīng)過Wide?Resnet 50進(jìn)行特征提取。采用圖像金字塔的方式，取通過卷積神經(jīng)網(wǎng)絡(luò)下采樣得到8倍、16倍、32倍的特征圖，分別輸入到無監(jiān)督學(xué)習(xí)異常檢測流模型模塊中進(jìn)行訓(xùn)練和測試。
接著，使用一維歸一化流模型進(jìn)行異常檢測，歸一化流模型的作用機(jī)制為只對正常數(shù)據(jù)進(jìn)行訓(xùn)練，可以將正常圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中。并利用多尺度聚合模塊，將得分在每一個尺度下的異常檢測結(jié)果再次歸一化到[0.1]之間，對其進(jìn)行加和。
此時得到的新的異常檢測得分圖每個位置異常檢測結(jié)果為[0.3]之間的得分，然后取最大值，并減去每一個位置的異常得分，得到不同測試圖像的相對異常檢測得分作為最終的異常檢測結(jié)果。
如上圖，為上述用于高鐵檢修的監(jiān)測裝置圖。該裝置包括：獲取單元71、提取單元73和第一確定單元75.獲取單元用于獲取采集高鐵目標(biāo)位置的目標(biāo)圖像。提取單元用于基于目標(biāo)圖像利用深度卷積神經(jīng)網(wǎng)絡(luò)從樣本圖像中提取特征圖。第一確定單元用于將特征圖輸入到目標(biāo)檢測模型中，確定目標(biāo)圖像是否存在異常。
以上就是格靈深瞳公開的基于深度學(xué)習(xí)的高鐵檢修、監(jiān)測方案，該方案基于深度學(xué)習(xí)的無監(jiān)督異常檢測的方法，只需要提供正常的數(shù)據(jù)進(jìn)行訓(xùn)練。利用訓(xùn)練好的無監(jiān)督學(xué)習(xí)的歸一化流異常檢測模型，即可得到異常物體在高鐵檢修圖像上的位置，以解決傳統(tǒng)的高鐵檢修中由于異常數(shù)據(jù)獲取困難，導(dǎo)致訓(xùn)練的高鐵檢修模型識別異常準(zhǔn)確性較低的技術(shù)問題。
(原標(biāo)題：【專利解密】人工智能落地鐵路行業(yè) 格靈深瞳公開相關(guān)高鐵檢修、監(jiān)測方案)
中企檢測認(rèn)證網(wǎng)提供iso體系認(rèn)證機(jī)構(gòu)查詢，檢驗(yàn)檢測、認(rèn)證認(rèn)可、資質(zhì)資格、計(jì)量校準(zhǔn)、知識產(chǎn)權(quán)貫標(biāo)一站式行業(yè)企業(yè)服務(wù)平臺。中企檢測認(rèn)證網(wǎng)為檢測行業(yè)相關(guān)檢驗(yàn)、檢測、認(rèn)證、計(jì)量、校準(zhǔn)機(jī)構(gòu)，儀器設(shè)備、耗材、配件、試劑、標(biāo)準(zhǔn)品供應(yīng)商，法規(guī)咨詢、標(biāo)準(zhǔn)服務(wù)、實(shí)驗(yàn)室軟件提供商提供包括品牌宣傳、產(chǎn)品展示、技術(shù)交流、新品推薦等全方位推廣服務(wù)。這個問題就給大家解答到這里了，如還需要了解更多專業(yè)性問題可以撥打中企檢測認(rèn)證網(wǎng)在線客服13550333441。為您提供全面檢測、認(rèn)證、商標(biāo)、專利、知識產(chǎn)權(quán)、版權(quán)法律法規(guī)知識資訊，包括商標(biāo)注冊、食品檢測、第三方檢測機(jī)構(gòu)、網(wǎng)絡(luò)信息技術(shù)檢測、環(huán)境檢測、管理體系認(rèn)證、服務(wù)體系認(rèn)證、產(chǎn)品認(rèn)證、版權(quán)登記、專利申請、知識產(chǎn)權(quán)、檢測法、認(rèn)證標(biāo)準(zhǔn)等信息，中企檢測認(rèn)證網(wǎng)為檢測認(rèn)證商標(biāo)專利從業(yè)者提供多種檢測、認(rèn)證、知識產(chǎn)權(quán)、版權(quán)、商標(biāo)、專利的轉(zhuǎn)讓代理查詢法律法規(guī)，咨詢輔導(dǎo)等知識。
本文內(nèi)容整合網(wǎng)站：中國政府網(wǎng)、百度百科、最高人民法院、知乎、國家認(rèn)證認(rèn)可監(jiān)督管理委員會、國家知識產(chǎn)權(quán)局、市場監(jiān)督總局
免責(zé)聲明：本文部分內(nèi)容根據(jù)網(wǎng)絡(luò)信息整理，文章版權(quán)歸原作者所有。向原作者致敬！發(fā)布旨在積善利他，如涉及作品內(nèi)容、版權(quán)和其它問題，請跟我們聯(lián)系刪除并致歉！
