[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

一種鐵路貨車敞車車門折頁折斷故障圖像識別方法，屬于敞車車門折頁故障診斷領域。本發明針對現有敞車車門折頁折斷故障識別方法不能兼顧故障無漏報以及誤報警數量少，造成故障識別準確率低的問題。包括：建立敞車車門折頁數據集，包括無故障敞車車門折頁樣本和故障敞車車門折頁樣本；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；獲取運行中整列貨車圖像，進行預處理得到單輛貨車的基礎層圖像與特征層圖像，進行加權融合得到單輛貨車融合后圖像；再定位敞車車門區域，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。本發明用于敞車車門折頁折斷故障識別。

技術領域

本發明涉及鐵路貨車敞車車門折頁折斷故障圖像識別方法，屬于敞車車門折頁故障診斷領域。

背景技術

在鐵路貨車敞車車門折頁折斷故障檢測中，一般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疲勞、遺漏等情況，容易造成漏檢、錯檢的出現，從而影響行車安全。近些年，計算機視覺及人工智能不斷發展，采用智能算法進行鐵路貨車故障檢測可提高檢測精度，保障列車安全穩定運行。

鐵路貨車故障檢測中敞車車門折頁折斷故障是一種常發故障，該故障發生后將危及行車安全。因此能夠準確的識別該故障至關重要。

敞車車門折頁部件在一輛敞車中占較多數量，平均一輛車存在約28個折頁部件，平均一列車約150個折頁部件。由于一列車的車門折頁識別項點較多，現有的自動識別模塊既要保證故障無漏報，又需控制誤報警數量不能太多，增加了自動識別模塊的識別難度，在不能二者兼顧的情況下降低了故障識別的準確率。

發明內容

針對現有敞車車門折頁折斷故障識別方法不能兼顧故障無漏報以及誤報警數量少，造成故障識別準確率低的問題，本發明提供一種鐵路貨車敞車車門折頁折斷故障圖像識別方法。

本發明的一種鐵路貨車敞車車門折頁折斷故障圖像識別方法，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。

根據本發明的鐵路貨車敞車車門折頁折斷故障圖像識別方法，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。