[發(fā)明專利]軌道電路箱盒故障檢測方法、系統(tǒng)、設(shè)備及可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911403380.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111077159A
• 公開（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 黃俐;曹盤勛;易尚杰;王鵬月;劉振中;王盼盼;李春鋮
• 申請（專利權(quán)）人: 北京京天威科技發(fā)展有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 北京東方匯眾知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11296
• 代理人: 王慶彬

本申請?zhí)峁┝艘环N軌道電路箱盒故障檢測方法、系統(tǒng)、設(shè)備及可讀介質(zhì)，通過獲取待處理的圖像，將所述圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型檢測所述圖像中是否有故障軌道電路箱盒；若所述圖像中有所述故障軌道電路箱盒，則所述卷積神經(jīng)網(wǎng)絡(luò)模型輸出所述故障軌道電路箱盒的故障信息；將所述圖像和所述故障信息發(fā)送至數(shù)據(jù)存儲模塊，達(dá)到供檢修人員瀏覽查看的目的，通過基于深度學(xué)習(xí)的軌道電路箱盒故障檢測，能夠取代軌道電路箱盒的里程定位圖像采集，避免出現(xiàn)漏檢的情況，與此同時(shí)基于深度學(xué)習(xí)方法，還能實(shí)現(xiàn)對采集得到的圖像進(jìn)行故障分類識別，減少人工看圖檢測的工作量，縮短軌道電路箱盒檢測周期，提高設(shè)備故障準(zhǔn)確率，提高軌道電路箱盒維護(hù)效率。

技術(shù)領(lǐng)域

本申請涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種軌道電路箱盒故障檢測方法、系統(tǒng)、設(shè)備及可讀介質(zhì)。

背景技術(shù)

隨著現(xiàn)代鐵路組網(wǎng)越來越發(fā)達(dá)，軌道交通作為人們工作生活中不可缺少的出行方式，其安全性問題也越發(fā)受到重視，軌道電路箱盒作為軌道電路組成部分，是列車運(yùn)行安全重要設(shè)備。面對日益增加的鐵路網(wǎng)里程數(shù)，軌道電路箱盒數(shù)量日益龐大，且分布在鐵路沿線，對鐵路檢修，尤其對軌道電路箱盒的檢修尤為重要。

現(xiàn)有技術(shù)中，主要采用定位采集的方式，采集包含軌道電路箱盒的圖像，之后由檢修人員判斷軌道電路箱盒是否出現(xiàn)故障，但是由于軌道電路箱盒的布置復(fù)雜無序，沒有統(tǒng)一的規(guī)范，所以容易遺漏檢測對象。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題或者至少部分地解決上述技術(shù)問題，本申請?zhí)峁┝艘环N軌道電路箱盒故障檢測方法、系統(tǒng)、設(shè)備及可讀介質(zhì)。

第一方面，本申請?zhí)峁┝艘环N軌道電路箱盒故障檢測方法，包括：

獲取待處理的圖像，所述圖像為圖像采集模塊采集的軌道旁的圖像；

將所述圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型檢測所述圖像中是否有故障軌道電路箱盒；

若所述圖像中有所述故障軌道電路箱盒，則所述卷積神經(jīng)網(wǎng)絡(luò)模型輸出所述故障軌道電路箱盒的故障信息；

將所述圖像和所述故障信息發(fā)送至數(shù)據(jù)存儲模塊，以供檢修人員瀏覽查看。

可選地，所述卷積神經(jīng)網(wǎng)絡(luò)模型包括：軌道電路箱盒檢測模型和故障識別模型；

將所述圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型檢測所述圖像中是否包含有故障軌道電路箱盒的步驟，包括：

將所述圖像輸入軌道電路箱盒檢測模型檢測所述圖像中是否包含所述軌道電路箱盒；

若所述圖像中包含所述軌道電路箱盒，則將所述圖像輸入故障識別模型檢測所述軌道電路箱盒是否發(fā)生故障。

可選地，將所述圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型檢測所述圖像中是否有故障軌道電路箱盒的步驟，還包括：

若所述圖像中不包含所述軌道電路箱盒，則刪除所述圖像，并重新執(zhí)行獲取待處理的圖像的步驟。

可選地，所述軌道電路箱盒檢測模型的建立過程，包括：

獲取若干包括軌道電路箱盒的圖像和不包括軌道電路箱盒的圖像；

利用所述包括軌道電路箱盒的圖像和不包括軌道電路箱盒的圖像對所述軌道電路箱盒檢測模型進(jìn)行訓(xùn)練，直至所述軌道電路箱盒檢測模型的輸出結(jié)果的精確度大于預(yù)設(shè)閾值。

可選地，所述故障識別模型的建立過程，包括：

獲取若干出現(xiàn)故障的軌道電路箱盒的圖像和未出現(xiàn)故障的軌道電路箱盒的圖像；

利用所述出現(xiàn)故障的軌道電路箱盒的圖像和未出現(xiàn)故障的軌道電路箱盒的圖像對所述故障識別模型進(jìn)行訓(xùn)練，直至所述故障識別模型的輸出結(jié)果的精確度大于預(yù)設(shè)閾值。