近年來，人工智能在全球范圍內迅速落地應用，廣泛地應用到了我們生活的方方面面。深度學習的異常檢測技術：主要用于檢測異常物體在2D圖片上的位置，深度學習無監督學習方法如PatchCore、PaDiM和DifferNet等。深度學習監督學習目標檢測方法如Faster R?CNN、Yolo v5以及DETR等。
現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行異常檢測，少部分情況基于深度學習的監督學習的檢測方法依賴實際場景人工模擬異常。并且需要對采集的異常數據進行人工標注，然后使用監督學習的目標檢測方法進行異常檢測。
傳統采用人工檢修的方式，不僅檢修人員的工作環境惡劣，而且成本高、效率低?；谏疃葘W習的檢修方式，雖然能夠在一定程度上實現較好的效果，但是需要人工對采集數據進行標注，標注成本大，而且無法模擬出全部的異常物體類型，可能會導致無法成功檢測的情況，從而造成高鐵運行的重大事故。
為此，格靈深瞳在2022年8月29日申請了一項名為“一種用于高鐵檢修的監測方法以及裝置”的發明專利(申請號：202211038266.6)，申請人為北京格靈深瞳信息技術股份有限公司。
根據該專利目前公開的相關資料，讓我們一起來看看這項技術方案吧。
如上圖，為該專利中公開的用于高鐵檢修監測方法的流程圖。首先，獲取采集高鐵目標位置的目標圖像。其次，基于目標圖像利用深度卷積神經網絡從樣本圖像中提取特征圖。最后，將特征圖輸入到目標檢測模型中，確定目標圖像是否存在異常。其中，目標檢測模型是基于未出現異常的樣本圖像進行訓練，直至樣本圖像的分布擬合到標準正態分布當中，則結束檢測模型的訓練，得到目標檢測模型。
該模型中使用一維歸一化流模型進行異常檢測，歸一化流模型的作用機制為只對正常數據進行訓練，可以將正常圖像的分布擬合到標準正態分布當中。在進行測試時，對于圖像中異常的區域，則會被模型擬合到另一個分布。因此只需要設置一個經驗閾值，就可以將正常與異常區域分開。
如上圖，為上述基于流模型的高鐵檢修無監督異常檢測方法的結構框圖。首先，機器人調整攝像頭和光源，采集目標設備的清晰圖像數據，并進行圖像增強處理。其次，利用深度卷積神經網絡Wide?Resnet50來進行圖像特征提取。Wide?Resnet50作為一個特征提取網絡，相比于傳統的ResNet網絡，該網絡使用一種較淺的，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，為特征提取模塊結構示意圖。特征提取模塊wide?Resenet 50圖像金字塔，每一層的數據將輸入至歸一化流模型。將圖像增強后的圖像線性下采樣到長寬相同的(1024.1024)的尺寸，然后經過Wide?Resnet 50進行特征提取。采用圖像金字塔的方式，取通過卷積神經網絡下采樣得到8倍、16倍、32倍的特征圖，分別輸入到無監督學習異常檢測流模型模塊中進行訓練和測試。
接著，使用一維歸一化流模型進行異常檢測，歸一化流模型的作用機制為只對正常數據進行訓練，可以將正常圖像的分布擬合到標準正態分布當中。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果再次歸一化到[0.1]之間，對其進行加和。
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果。
如上圖，為上述用于高鐵檢修的監測裝置圖。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位置的目標圖像。提取單元用于基于目標圖像利用深度卷積神經網絡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檢測模型中，確定目標圖像是否存在異常。
以上就是格靈深瞳公開的基于深度學習的高鐵檢修、監測方案，該方案基于深度學習的無監督異常檢測的方法，只需要提供正常的數據進行訓練。利用訓練好的無監督學習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，以解決傳統的高鐵檢修中由于異常數據獲取困難，導致訓練的高鐵檢修模型識別異常準確性較低的技術問題。
(原標題：【專利解密】人工智能落地鐵路行業 格靈深瞳公開相關高鐵檢修、監測方案)
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：中國政府網、百度百科、最高人民法院、知乎、國家認證認可監督管理委員會、國家知識產權局、市場監督總局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
