[发明专利]基于神经网络的轨道扣件检测装置在审

专利信息
申请号: 201910652711.X 申请日: 2019-07-19
公开(公告)号: CN112241946A 公开(公告)日: 2021-01-19
发明(设计)人: 王路;卢宁 申请(专利权)人: 芜湖潜思智能科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 241000 安徽省芜湖市弋江区高新技术产业*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 轨道 扣件 检测 装置
【说明书】:

发明提供了一种基于基于神经网络的轨道扣件检测装置,包括图像采集模块、图像预处理模块、图像识别模块、存储模块、通讯模块、供电模块等。该装置在检测轨道扣件时,图像采集模块采集到轨道扣件的实时图像;图像预处理模块对图像进行预处理并发送目标区域图像到图像识别模块;图像识别模块基于神经网络对图像进行识别,确定缺陷类型与位置,将检测结果发送到通讯模块和存储模块。该检测装置可以快速地完成轨道扣件的检测工作,实时通知工作人员,提高轨道扣件的检测速度和精度,增强轨道交通系统的安全性。

技术领域

本发明涉及轨道检测领域,具体涉及一种基于神经网络的轨道扣件检测装置。

背景技术

轨道交通是一种重要的交通方式,是指运营车辆在特定轨道上行驶的一类运输系统,包括普速铁路、客运专线、高速铁路以及城市轨道交通等。在大部分轨道交通系统中,轨道是通过专用扣件固定在轨枕上,扣件的完整及牢固程度的对轨道和车辆的安全有着非常重要的影响,因此需要对轨道扣件进行日常检测和维护。目前轨道交通部门主要采用两种方法对轨道扣件进行检测:1、大量的巡道工人沿线目视巡查;2、在巡道车上安装视频采集系统,采集到视频图像,检测员工通过目视采集到的视频来检测轨道扣件。这两种方式均存在效率低、劳动强度大的缺点,且无法及时精确测量轨道扣件的状态。作为保障轨道交通系统安全的重要手段,轨道扣件检测的自动化与智能化是一个亟待解决的问题。

发明内容

为了克服现有技术中的不足,本发明提供了一种基于神经网络的轨道扣件检测装置。

一种基于基于神经网络的轨道扣件检测装置,包括图像采集模块、图像预处理模块、图像识别模块、存储模块、通讯模块、供电模块等。在检测轨道扣件时,图像采集模块采集到轨道扣件的实时图像,发送到图像预处理模块; 图像预处理模块对图像进行预处理并发送目标区域图像到图像识别模块;图像识别模块基于神经网络对图像进行识别,获得轨道扣件的特征参数,确定缺陷类型与位置,将这些检测结果发送到通讯模块和存储模块;通讯模块将检测结果实时发送给现场工作人员及远程监控人员;存储模块将检测结果储存下来供相关人员查阅和审核。

进一步地,图像采集模块包括高速数码摄像头、补光灯、全球定位模块和车辆位置定位模块,图像采集模块对轨道图像进行采集,同时记录采集图像时的时刻信息以及该检测装置所处位置信息,将这些信息和轨道图像同步发送至图像预处理模块。

进一步地,图像预处理模块对得到的轨道图像进行降噪、去除背景等预处理,然后依据轨道扣件区域的几何图像特征提取相应的目标区域,将目标区域图像和时间位置信息发送至图像识别模块,为后续的轨道扣件缺陷检测提供数据。

进一步地,图像识别模块采用已经训练好的神经网络对目标区域图像进行处理,标示出轨道扣件各几何特征点,并依据正常紧固轨道扣件的几何尺寸关系来判断当前轨道扣件是否处于安全紧固状态,若当前轨道扣件存在缺陷,再根据得到的特征点几何关系确定缺陷的位置和大小,同时将缺陷进行分类,确定当前轨道扣件的缺陷类型,最后将这些信息以及缺陷的时间位置信息发送至通讯模块和存储模块。

进一步地,通讯模块将检测结果实时发送给现场工作人员及远程监控人员,为轨道维护部门提供详细的轨道扣件缺陷和位置信息,以便工作人员及时对轨道扣件进行维护。

进一步地,存储模块将检测结果储存下来,保存为轨道检测档案,供工作人员和监管人员后续进行查阅和审核。

进一步地,供电模块连接列车电源或专用检测车电源,为其他模块供电。

进一步地,该轨道扣件的检测装置可以安装于机车底部、客车车厢底部或专用检测车底部,随车运行并对经过的轨道扣件进行实时检测。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于芜湖潜思智能科技有限公司,未经芜湖潜思智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910652711.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top