[發明專利]一種鐵路貨車鉤尾銷托梁脫落故障識別方法

有效

• 申請號: 202010437716.3
• 申請日: 2020-05-21
• 公開（公告）號: CN111652295B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 張軼鑫
• 申請（專利權）人: 哈爾濱市科佳通用機電股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;G06N3/04;B61K9/00;G01M17/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.一種鐵路貨車鉤尾銷托梁脫落故障識別方法，包括：

s1、采集貨車鉤尾銷區域的灰度圖像；

其特征在于，還包括以下步驟：

s2、對灰度圖像進行歸一化處理；

s3、對圖像進行尺寸調整，然后送入訓練好的SSD深度學習網絡，對鐵路貨車鉤尾銷托梁是否脫落進行檢測；

利用訓練好的SSD深度學習網絡對鐵路貨車鉤尾銷托梁是否脫落進行檢測時，同時利用訓練好的SSD深度學習網絡對螺孔或通孔進行檢測，在SSD深度學習網絡中的卷積層的前三層對螺孔或通孔進行淺層卷積，并根據卷積得到的feature map對螺孔或通孔進行識別；

當檢測到鐵路貨車鉤尾銷托梁脫落，或者檢測到螺孔或通孔，則判定為鐵路貨車鉤尾銷托梁存在脫落故障。

2.根據權利要求1所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，所述SSD深度學習網絡以VGG16作為基礎模型，將VGG16的全連接層fc6和fc7轉換成3×3的卷積層Conv6和1×1卷積層Conv7，同時將池化層pool5由2×2變成3×3；Conv6采用擴展卷積或帶孔卷積；

卷積層Conv7后依次設置Conv8_2，Conv9_2，Conv10_2，Conv11_2；提取Conv7，Conv8_2，Conv9_2，Conv10_2，Conv11_2作為檢測所用的特征圖，加上VGG16中的Conv4_3層，共提取了6個特征圖，用于鐵路貨車鉤尾銷托梁是否脫落進行檢測。

3.根據權利要求2所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，Conv7，Conv8_2，Conv9_2，Conv10_2，Conv11_2的卷積核大小分別是(38,38)，(19,19)，(10,10)，(5,5)，(3,3)，(1,1)。

4.根據權利要求3所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，所述SSD深度學習網絡中，生成候選框的大小為13*13，候選框長寬比例為[0.75，1.0，1.5]。

5.根據權利要求4所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，所述SSD深度學習網絡中卷積層的激活函數為RELU。

6.根據權利要求1所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，所述采集貨車鉤尾銷區域的灰度圖像的過程如下：

通過貨車軌道下方設置的高清成像設備獲取貨車的灰度圖像；依據先驗知識獲得貨車鉤尾銷區域的灰度圖像。

7.根據權利要求1所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，在步驟s2所述對灰度圖像進行歸一化處理之前，對采集的貨車鉤尾銷區域的灰度圖像進行圖像增強處理。

8.根據權利要求1至7之一所述的一種鐵路貨車鉤尾銷托梁脫落故障識別方法，其特征在于，所述SSD深度學習網絡的訓練過程包括以下步驟：

a、采集貨車鉤尾銷區域的灰度圖像，進行圖像預處理和/或圖像增強處理，建立樣本數據集；

b、對數據集進行分類標注，包括以下步驟：

將鐵路貨車鉤尾銷托梁標注為正常和脫落故障；并在圖像中對螺孔、過孔進行標記，將螺孔、過孔圖像作為新的label加入訓練；

c、計算樣本數據集權重，生成訓練文件，包括以下步驟：

首先，基于SSD深度學習網絡，采用隨機方式初始化權重系數；

然后，將樣本數據進行灰度歸一化處理，即將其灰度值歸一化至0到1的范圍內；將歸一化后的數據作為輸入數據，輸入到SSD深度學習網絡中；經過損失函數和優化器后，計算出新的權重系數，將權重系數進行更新，完成一次訓練迭代；

重復上述過程，將全部圖像完成固定次數的迭代；迭代過程中并不是每次迭代都要更新權重，只有損失函數更低的權重才會被更新，直到找到最優的權重系數；

將訓練結果保存為訓練文件，用來預測鉤尾銷托梁故障的真實圖像。