[發明專利]鐵路貨車枕梁孔異物檢測方法

有效

• 申請號: 202010437739.4
• 申請日: 2020-05-21
• 公開（公告）號: CN111652228B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 燕天嬌
• 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: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06T7/00;G06N3/04;B61K9/08
• 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

鐵路貨車枕梁孔異物檢測方法，屬于鐵路貨車檢測技術領域。本發明是為了解決人工檢測的方法存在的穩定性差和精度低的問題，以及利用現有的深度學習方法存在的誤報率高的問題。本發明首先獲取枕梁孔位置圖像，記為圖像D；然后使用訓練好的分割模型網絡對圖像D進行預測；若圖像中無異物則進行下一張圖片的處理；否則，進行腐蝕膨脹操作，將異物預測二值圖記為B；針對于圖像D進行枕梁孔部位的定位，得到定位后的二值圖像，即圖像A；最后將異物預測二值圖B與定位二值圖像A的像素值點乘后相加得到值c；進行判斷，若c不大于異物判定閾值m，則證明枕梁孔區域無異物，否則證明枕梁孔區域現在異物。主要用于鐵路貨車枕梁孔的異物檢測。

技術領域

本發明屬于鐵路貨車檢測技術領域，具體涉及一種鐵路貨車枕梁孔異物檢測方法。

背景技術

鐵路貨車的檢測關系到鐵路貨車的運行安全，所以針對于鐵路貨車的部件需要定期進行檢查。在鐵路貨車的使用過程中，可能存在貨車車體部分零件落入枕梁孔中的情況發生，或者人工檢查或維修鐵路貨車時，也可能存在部分維修工具落入枕梁孔中的情況。所以也需要對鐵路貨車的枕梁孔進行異物檢測，長期以來，基本都是采用檢車人員人工檢查(即通過查看過車圖像的方式)的方式對枕梁孔區域是否搭載異物進行判斷，檢查工作是十分重要的，但大量的圖像篩查使得檢車人員在工作過程中極易出現疲勞，還容易發生漏檢、錯檢的情況，難以保障檢測的準確率和高效率。因此，目前亟需一種針對于貨車故障進行自動檢測的方法。

在深度學習在技術上不斷成熟和完善的今天，深度學習技術可以實現一些任務的檢測識別，而且能夠極大地改善傳統圖像處理技術帶來的魯棒性不足的的問題，從而提高檢測效率和準確率。但是由于深度學習的本質決定了其還存在一些問題，例如，伊恩.古德費洛等人編寫的經典教材(趙申劍等人翻譯)《DEEP LEARNING深度學習》中機器學習基礎部分就記載了“在某種意義上，沒有一個機器學習算法總是比其他的要好”。也就是說并不能直接將某種深度學習直接適用在某個領域中，極有可能是取得不了較好的效果的，一般都是需要對解決問題的對象(如圖像處理中的對象)進行分析、研究，以及經過大量的實驗才能改進或確定具體的深度學習模型，尤其是在進行圖像處理的過程中，一定要結合圖像所反映的具體對象特點進行處理才能夠取得較為理想的效果。

而針對于鐵路貨車枕梁孔檢測而言，在實際使用中，并沒有針對其進行故障檢測的方案，也是由于此原因，如果直接利用現有的經神經網絡算法預測枕梁孔區域，得到的結果不能完全保證一定位于枕梁孔部位，存在誤報的幾率；更為重要的是，由于枕梁孔部位位置特點(其下部的固定位置有一條車箱與轉向架連接的黑色縫隙)，會導致圖像中存在一個黑色縫隙，如果直接采用現有的神經網絡算法進行處理，對于圖像內容的識別會造成影響，從而導致誤報率較高，給鐵路貨車枕梁孔檢測帶來了極大的困難。

發明內容

本發明是為了解決人工檢測的方法存在的穩定性差和精度低的問題，以及利用現有的深度學習方法存在的誤報率高的問題。

鐵路貨車枕梁孔異物檢測方法，包括以下步驟：

步驟1：獲取枕梁孔位置圖像，記為圖像D；

步驟2：使用訓練好的分割模型網絡對圖像D進行預測；若圖像中無異物則重復步驟2進行下一張圖片的處理；否則，進行腐蝕膨脹操作，將異物預測二值圖記為B，并執行步驟3；

步驟3：針對于圖像D進行枕梁孔部位的定位，得到定位后的二值圖像，即圖像A；定位過程如下：

1)輸入圖像D；

2)將圖像進行自適應直方圖均衡化(增強對圖像亮暗的魯棒性)；

3)對圖像進行二值化處理(圖像二值化常規是有閾值選擇的，人工選擇后會將灰的部位二值化為白色)；

4)計算圖像列平均值歸一化：所有列中，將行坐標相同的像素進行加和之后除以圖像的行寬；