[發(fā)明專利]基于深度學習的注水口蓋板未鎖閉到位故障檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011105125.2
• 申請日: 2020-10-15
• 公開（公告）號: CN112183453B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設計）人: 戰(zhàn)嶺
• 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: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/38;G06N3/08
• 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

基于深度學習的注水口蓋板未鎖閉到位故障檢測方法及系統(tǒng)，屬于圖像檢測技術領域。為了解決現(xiàn)有的人工檢查圖像的方式存在檢測準確率低、檢測效率低的問題。本發(fā)明利用訓練好的目標檢測模型獲取“注水口”文本位置和注水口位置，進而確定注水口蓋板精確位置，并對圖像進行二值化，獲取注水口蓋板二值圖像；然后根據(jù)不同車型注水口蓋板的開合方向，在二值圖像上截取注水口蓋板與車身間的縫隙陰影圖像，并獲取注水口蓋板與車身間的縫隙陰影面積；最后根據(jù)不同車型所對應的縫隙陰影面積閾值，判斷縫隙陰影面積是否超出閾值，從而確定注水口蓋板精確位置是否為故障區(qū)域。主要用于注水口蓋板未鎖閉到位的故障檢測。

技術領域

本發(fā)明屬于圖像檢測技術領域，具體涉及一種注水口蓋板未鎖閉到位故障檢測方法及系統(tǒng)。

背景技術

注水口蓋板能夠保證動車組車體在高速運行中的氣密性，保護注水口及附近部件不受內(nèi)外氣壓差的影響而發(fā)生漏水、部件丟失等故障，所以注水口蓋板未鎖閉檢測非常重要。

現(xiàn)有的檢測方法中，通常采用人工檢查圖像的方式進行故障檢測。由于檢車人員在工作過程中極易出現(xiàn)疲勞導致漏檢、錯檢等情況的出現(xiàn)。因此，對動車組注水口蓋板未鎖閉到位故障進行及時的自動報警具有重要意義。

而利用現(xiàn)有的檢測算子的檢測方法并不能很好的對注水口蓋板未鎖閉到位故障檢測，檢測準確率往往不能滿足實際需要。隨著深度學習技術的發(fā)展，現(xiàn)有的神經(jīng)網(wǎng)絡雖然能夠應用于注水口蓋板未鎖閉到位故障檢測，但是仍然存在以下問題：

利用現(xiàn)有的結構相對簡單的神經(jīng)網(wǎng)絡模型對注水口蓋板鎖閉檢測時，存在檢測準確率較低、誤檢率和漏檢率較高的問題；而利用結構復雜的神經(jīng)網(wǎng)絡模型對注水口蓋板鎖閉檢測時，不僅需要很長的訓練時間，而且模型參數(shù)數(shù)量非常多，嚴重的降低了模型的運行效率，延長了檢測時間。

發(fā)明內(nèi)容

本發(fā)明是為了解決現(xiàn)有的人工檢查圖像的方式存在檢測準確率低、檢測效率低的問題。

基于深度學習的注水口蓋板未鎖閉到位故障檢測方法，包括以下步驟：

S1、獲取包括注水口部位的感興趣區(qū)域圖像；

S2、利用訓練好的目標檢測模型獲取“注水口”文本位置和注水口位置；所述的目標檢測模型為基于多頭區(qū)域自注意力神經(jīng)網(wǎng)絡的目標檢測神經(jīng)網(wǎng)絡模型；

S3、根據(jù)“注水口”文本位置和注水口位置確定注水口蓋板精確位置；

S4、采用OTSU算法確定S3獲得的注水口蓋板精確位置對應圖像的自適應二值化閾值，并進行二值化，小于自適應二值化閾值的像素值被置為0，大于等于該自適應二值化閾值的像素值被置為255，獲取注水口蓋板二值圖像；

S5、根據(jù)不同車型注水口蓋板的開合方向，在所述注水口蓋板二值圖像上截取注水口蓋板與車身間的縫隙陰影圖像；

S6、計算所述縫隙陰影圖像中像素值為0的像素個數(shù)，獲取注水口蓋板與車身間的縫隙陰影面積；

S7、根據(jù)不同車型所對應的縫隙陰影面積閾值，判斷S6所得縫隙陰影面積是否超出閾值；若是，則將S3所得注水口蓋板精確位置記錄為故障信息。

進一步地，所述多頭區(qū)域自注意力神經(jīng)網(wǎng)絡的處理過程如下：

(1)、在輸入圖像中選取一個窗口大小為mxm像素的子區(qū)域像素矩陣；

(2)、將(1)所得矩陣復制3份，分別命名為“查詢”矩陣Q、“鍵”矩陣K和“值”矩陣V；

(3)、對(2)所得Q、K、V三個矩陣分別進行線性變換，得到經(jīng)過線性變換后的矩陣

(4)、計算(3)所得矩陣之間的相關矩陣

通過softmax函數(shù)計算自注意力矩陣A：