[發明專利]基于深度學習的交叉桿端部緊固螺栓丟失故障檢測方法

在審

• 申請號: 202010438296.0
• 申請日: 2020-05-21
• 公開（公告）號: CN111652212A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 金佳鑫
• 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: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06T7/00;B61F5/50;G01M17/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

基于深度學習的交叉桿端部緊固螺栓丟失故障檢測方法，涉及貨運列車檢測技術領域，針對現有技術中交叉桿端部緊固螺栓丟失故障檢測效率低，人力成本和時間成本高的問題，本發明的有益效果是：1、采用深度學習模型對交叉桿端部緊固螺栓丟失故障進行檢測，能夠提高故障檢測效率，降低人力成本和時間成本，特別是鐵路貨車圖像都是在復雜環境下拍攝的，使用傳統圖像算法對圖像要求高，存在一定的局限性，深度學習檢測方式則能更好的適應復雜圖像的故障檢測。2、采用TensorRT加速優化深度學習模型結構，設計并行檢測圖像算法，使故障檢測速度大大提高，能夠滿足鐵路實時過車實時故障檢測報警。

技術領域

本發明涉及貨運列車檢測技術領域，具體為一種基于深度學習的交叉桿端部緊固螺栓丟失故障檢測方法。

背景技術

貨車故障軌邊圖像檢測系統(TFDS)作為全路5T系統的重要組成部分，在防范貨車車輛故障方面發揮著重要作用，TFDS的應用使得大量的鐵路貨車運用故障得到及時發現和處理，但是漏檢、誤判現象也時有發生，因此抓住多發故障、典型故障的特征，提高檢車故障的效率急需解決。

交叉桿端部緊固螺栓是固定底部轉向架交叉桿的重要鎖緊裝置，由于貨車運行過程中，交叉桿隨著震動的產生，交叉桿端部螺栓會逐漸松動，導致鎖緊板位置會發生偏轉，嚴重者會出現鎖緊板脫落丟失，交叉桿端部緊固螺栓丟失等危機行車安全的故障。因此為了避免發生故障，采用近年來日趨成熟的深度學習方式，現有技術中交叉桿端部緊固螺栓丟失故障檢測效率低，人力成本和時間成本高。

發明內容

本發明的目的是：針對現有技術中交叉桿端部緊固螺栓丟失故障檢測效率低，人力成本和時間成本高的問題，提出一種基于深度學習的交叉桿端部緊固螺栓丟失故障檢測方法。

本發明為了解決上述技術問題采取的技術方案是：

基于深度學習的交叉桿端部緊固螺栓丟失故障檢測方法，包括：

步驟一：獲取交叉桿端部緊固螺栓的高清線陣圖像，并建立樣本數據集；

步驟二：對樣本數據集進行數據擴增；

步驟三：對數據集中的圖像進行標記；

步驟四：建立TensorFlow Object Detection API深度學習目標檢測模型，并將原始圖像和標記數據生成數據集，用于模型訓練；

步驟五：讀取TFDS貨車圖像檢測系統服務器上的過車圖像，粗定位出緊固螺栓部件區域子圖像，通過調用子圖像，將子圖像輸入到訓練好的模型中，進行實時的故障檢測，模型對子圖像檢測出屬于正常螺栓的概率為a，屬于螺栓丟失的概率為b，a和b的概率范圍用0到1的數值表示，并且檢測到的正常類或者丟失類的概率互相之間是不相關的個體；

步驟六：首先將螺栓正常閾值設定為0.97，丟失閾值設定為0.9，疑似丟失閾值設定為0.5，然后根據模型輸出的閾值進行判斷：

若檢測到丟失類的概率b，并且b0.9，則認為存在緊固螺栓丟失情況，直接報警給TFDS檢測平臺；若0.5b0.9，則判定屬于疑似丟失情況，并繼續判斷是否可以檢測到正常類的概率a，若檢測到正常類的概率a，則判定正常類的概率a是否大于0.97，若a0.97，則不報警，若a0.97，則報警給TFDS檢測平臺；

若檢測到正常類的概率a0.1，且丟失類的概率b0.1，則認定子圖像可能存在異常，未檢測到有用信息，直接報警給TFDS檢測平臺；

若以上情況均不存在，則認為該車緊固螺栓圖像正常，繼續進行下一輛車的緊固螺栓部件檢測。

進一步的，所述步驟三中采用LabelImg工具對數據集中的圖像進行標記。

進一步的，所述數據集格式為pascal voc。