[發明專利]一種貨車副風缸脫落故障識別方法

在審

• 申請號: 202011500564.3
• 申請日: 2020-12-17
• 公開（公告）號: CN112489040A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 于婷
• 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: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06N3/04;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

一種貨車副風缸脫落故障識別方法，本發明涉及副風缸脫落故障圖像識別方法。本發明的目的是為解決現有人工故障檢測方法所存在的故障檢測準確率以及效率低的問題。過程為：一、建立樣本數據集，樣本數據集包括副風缸定位數據集和副風缸檢測數據集；二、建立副風缸定位網絡模型，將副風缸定位數據集輸入副風缸定位網絡模型進行訓練，得到訓練好的副風缸定位網絡模型；三、建立副風缸故障檢測網絡模型，將副風缸檢測數據集輸入副風缸故障檢測網絡模型進行訓練，得到訓練好的副風缸故障檢測網絡模型；四、利用訓練好的副風缸定位網絡模型和訓練好的副風缸故障檢測網絡模型進行副風缸故障識別。本發明屬于故障圖像識別領域。

技術領域

本發明屬于故障圖像識別領域，具體涉及基于深度學習的貨車副風缸脫落故障圖像識別方法。

背景技術

鐵路貨車在運行中，由于運行速度的不斷提高，載重量的不斷增大，副風缸的吊架可能會發生變形，螺栓螺母松動，最后導致吊架螺栓螺母丟失或者副風缸脫落故障。副風缸脫落故障容易導致制動管系泄漏或折斷，當螺栓螺母丟失時，副風缸缸體脫落，嚴重危及行車安全。傳統的副風缸脫落故障檢測方法通過人工查看鐵路貨車過車圖像識別圖像中的故障，檢測準確率以及效率低，若能采用圖像自動識別的方式對副風缸脫落故障進行檢測，則能夠及時準確的將故障檢測出來，保障貨車行車安全，避免造成重大鐵路交通事故，使國家和人民的財產受到損失。

發明內容

本發明的目的是為解決現有人工故障檢測方法所存在的故障檢測準確率以及效率低的問題，而提出一種貨車副風缸脫落故障識別方法。

本發明為解決上述技術問題所采取的技術方案是：

一種貨車副風缸脫落故障識別方法，該方法包括以下步驟：

步驟一、建立樣本數據集，樣本數據集包括副風缸定位數據集和副風缸檢測數據集；

步驟二、建立副風缸定位網絡模型，將副風缸定位數據集輸入副風缸定位網絡模型進行訓練，得到訓練好的副風缸定位網絡模型；

步驟三、建立副風缸故障檢測網絡模型，將副風缸檢測數據集輸入副風缸故障檢測網絡模型進行訓練，得到訓練好的副風缸故障檢測網絡模型；

步驟四、利用訓練好的副風缸定位網絡模型和訓練好的副風缸故障檢測網絡模型進行副風缸故障識別。

可選的，步驟一中建立樣本數據集，包括副風缸定位數據集和副風缸檢測數據集；具體過程包括：

將不同條件下拍攝的不同車型的含有副風缸的粗定位圖像作為原始圖像集；

構建副風缸定位數據集：對于原始圖像集中的原始圖像，標記副風缸所在區域的矩形框，獲得副風缸定位的數據集；

構建副風缸檢測數據集：對于原始圖像集中的原始圖像，標記固定副風缸的螺栓和缸體位置的矩形框，標記主要分為四類：螺栓、螺栓丟失、缸體正常和缸體脫落，然后獲得副風缸檢測數據集。

可選的，步驟一中建立樣本數據集，包括副風缸定位數據集和副風缸檢測數據集；具體過程還包括：

分別對副風缸定位數據集和副風缸檢測數據集進行數據集擴增：對原始圖像進行旋轉、平移、縮放、鏡像和亮度調整。

可選的，步驟二中建立的副風缸定位網絡模型的具體結構包括：

特征提取層和識別分類層；

其中特征提取層為resnet50的前49層卷積層；

識別分類層包括類別預測和位置預測兩個分支。

可選的，類別預測包括6個卷積層，分別為第六卷積層、第七卷積層、第八卷積層、第九卷積層、第十卷積層、第十一卷積層，第十一卷積層連接NMS層；