[发明专利]轨道车辆螺栓松动检测方法及系统

权利要求书

1.一种轨道车辆螺栓松动检测方法，其特征在于，其步骤为:

S1、获取图像

在不同光照条件下获取螺栓处的多张轨道车辆关键部件图像；

S2、图像处理

剪裁图像

将每张图像剪裁至设定大小；

标注图像

对每张图像进行人工标注，得到标注图像及标注文件；

S3、建立并训练关键部件定位网络

以卷积神经网络ZFNet为输入端，全连接层为输出端，依照顺序依次连接卷积神经网络ZFNet、区域建议网络、ROI Pooling层和全连接层，建立关键部件定位网络，将标注图像划分为训练集和验证集，将训练集输入至关键部件定位网络进行学习，并通过验证集进行验证，得到训练后的关键部件定位网络；

S4、设置剪裁层

根据关键部件定位网络输出的轨道车辆关键部件图像信息，通过剪裁层将包含关键部件的矩形区域从原轨道车辆关键部件图像中剪裁出来，得到关键部件矩形区域图像；

S5、建立并训练螺栓松动检测网络

以残差网络为输入端，全连接层为输出端，将顺序连接的区域建议网络和ROI Pooling层插接至残差网络中，区域建议网络与残差网络最后第二层卷积层连接，ROI Pooling层与残差网络最后第一层卷积层连接，残差网络最后一层卷积层与全连接层连接，建立训练螺栓松动检测网络，将关键部件矩形区域图像划分为训练集和验证集，将训练集输入至螺栓松动检测网络进行学习，并通过验证集进行验真得到训练后的螺栓松动检测网络；

S6、图像测试

实时获取螺栓处的轨道车辆关键部件图像作为测试图像，将测试图像输入至训练后的关键部件定位网络，根据关键部件定位网络的输出信息，通过剪裁层剪裁包含关键部件的矩形区域得到关键部件矩形区域图像并将其输入至训练后的螺栓松动检测网络，根据螺栓松动检测网络的输出结果判断螺栓是否松动。

2.如权利要求1所述的轨道车辆螺栓松动检测方法，其特征在于，步骤S2中，剪裁图像之前，通过图像增强的方法对获取的图像进行处理。

3.如权利要求2所述的轨道车辆螺栓松动检测方法，其特征在于，步骤S4中，通过剪裁层将包含关键部件的矩形区域从原轨道车辆关键部件图像中剪裁出来之前，对该关键部件是否完整进行确认，其具体步骤为：

定义等效边长比D，等效边长比D表示为：

式中，H为输入图像的高，W为输入图像的宽，(x_min,y_min)为关键部件定位网络输出矩形区域的左上定点坐标，(x_max,y_max)为关键部件定位网络输出矩形区域的右下顶点坐标；

定义决定是否剪裁的阈值为d，当D＞d时，该关键部件不完整，将关键部件不完整的图片剔除，当D≤d时，该关键部件完整，得到关键部件完整的图片用于通过剪裁层剪裁获得关键部件矩形区域图像。

4.如权利要求1至3任意一项所述的轨道车辆螺栓松动检测方法，其特征在于，步骤S2中，采用labelImg标注工具对每张图像进行人工标注，标注出每张图像的每个关键部件的最小外接矩形框坐标并生成对应的xml标注文件。

5.如权利要求4所述的轨道车辆螺栓松动检测方法，其特征在于，步骤S3中，将标注图像按照4:1、或3:1、或5:1的数量比例划分为训练集和验证集，在进行验证时，按照设定间隔时间调用一次验证集进行验证，在关键部位定位网络出现过拟和之前且训练集loss曲线已经收敛之际停止训练，得到训练后的关键部位定位网络。