[發明專利]鐵路貨車敞車車門折頁折斷故障圖像識別方法

在審

• 申請號: 202310040310.5
• 申請日: 2023-01-11
• 公開（公告）號: CN116385953A
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 孟德劍
• 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: G06V20/52
• 分類號: G06V20/52;G06V10/54;G06V10/22;G06V10/778;G06V10/764;G06V10/80;G06V10/82;G06V10/28;G06V10/34
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

1.一種鐵路貨車敞車車門折頁折斷故障圖像識別方法，其特征在于包括，

步驟一：建立敞車車門折頁數據集，所述折頁數據集中包括無故障敞車車門折頁樣本和故障敞車車門折頁樣本；無故障敞車車門折頁樣本中標記敞車車門區域、敞車車門折頁部件和敞車車門折頁鎖閉裝置部件，故障敞車車門折頁樣本標記故障區域；

步驟二：采用敞車車門折頁數據集對基于Faster?R-CNN深度學習卷積神經網絡模型改進獲得的改進后深度學習網絡模型進行訓練，獲得訓練后故障診斷模型；

所述改進后深度學習網絡模型包括CNN卷積模塊、無相關部件區域篩選模塊、RPN網絡模塊、候選框精確位置逼近模塊和候選框所屬類別分類模塊；

CNN卷積模塊用于提取敞車車門折頁樣本的初級特征圖；

無相關部件區域篩選模塊用于提取敞車車門折頁樣本的紋理特征，并根據紋理特征標記敞車車門折頁樣本的無相關部件區域；

RPN網絡模塊用于根據無相關部件區域標記剔除初級特征圖中的對應區域，并在無相關部件剔除后特征圖中提取目標位置侯選框，得到侯選框粗定位特征圖；

候選框精確位置逼近模塊用于基于初級特征圖在侯選框粗定位特征圖中確定目標位置精確侯選框，得到目標精確位置；

候選框所屬類別分類模塊用于基于初級特征圖根據侯選框粗定位特征圖進行目標分類，得到目標故障分類結果；

步驟三：獲取運行中整列貨車圖像，對整列貨車圖像進行預處理得到單輛貨車的基礎層圖像與特征層圖像，再進行加權融合得到單輛貨車融合后圖像；由單輛貨車融合后圖像定位敞車車門區域，獲得所有待識別車門區域圖像，輸入至訓練后故障診斷模型，獲得故障識別結果。

2.根據權利要求1所述的鐵路貨車敞車車門折頁折斷故障圖像識別方法，其特征在于，

步驟一敞車車門折頁數據集的敞車車門折頁樣本通過對原始樣本圖像進行數據清洗以及數據擴增后獲得。

3.根據權利要求2所述的鐵路貨車敞車車門折頁折斷故障圖像識別方法，其特征在于，

步驟二中無相關部件區域篩選模塊確定敞車車門折頁樣本的無相關部件區域的方法包括：

對敞車車門折頁樣本進行平滑濾波后，再進行高通濾波得到高頻圖像；通過設定閾值對高頻圖像進行二值化處理提取紋理特征，得到二值圖像；再對二值圖像進行形態學腐蝕和膨脹處理，得到以1表示的相關部件區域和以0表示的無相關部件區域。

4.根據權利要求3所述的鐵路貨車敞車車門折頁折斷故障圖像識別方法，其特征在于，

步驟三中對整列貨車圖像進行預處理得到單輛貨車的基礎層圖像與特征層圖像的方法包括：對整列貨車圖像進行分割得到單輛貨車敞車圖像；

利用高斯卷積核對單輛貨車敞車圖像進行高斯卷積處理，得到模糊基礎層圖像；

將單輛貨車敞車圖像與模糊基礎層圖像進行差分處理，得到特征層圖像。

5.根據權利要求4所述的鐵路貨車敞車車門折頁折斷故障圖像識別方法，其特征在于，

將模糊基礎層圖像分成8×8個子塊；對每個子塊采用對比度限制的CLAHE算法進行直方圖映射，得到均衡后直方圖；采用插值的方法處理相鄰均衡后直方圖，實現子塊間的融合，得到對比度增強后基礎層圖像；所述對比度限制閾值采用3.0。