[发明专利]铁路货车车钩托梁折断检测方法

权利要求书

1.一种铁路货车车钩托梁折断检测方法，其特征在于，包括以下步骤：

步骤一：建立训练用数据集，对所述数据集中车钩托梁故障样本的故障区域或疑似故障区域分块标记识别框，并对每个识别框配置类别标签，所述类别标签包括故障类标签和干扰类标签；

步骤二：基于ResNet检测模型搭建Faster-Rcnn模型，所述Faster-Rcnn模型使用卷积层、激活函数及池化层提取输入车钩托梁故障样本的特征图；区域建议网络针对所述特征图经过卷积计算生成检测建议框；区域池化层由检测建议框中提取建议特征；建议特征送入全连接层和softmax激活函数，基于所述识别框和类别标签，获得分类的权重系数；

步骤三：采集货车运行中车钩托梁图像，进行预处理后作为待识别图像，将待识别图像输入至加载权重系数后的Faster-Rcnn模型，进行故障类别预测；所述待识别图像在故障预测过程中首先获得故障初判断区域，再获得对应于故障初判断区域的置信度，将置信度大于预设阈值的故障初判断区域确定为故障区域，进行报警。

2.根据权利要求1所述的铁路货车车钩托梁折断检测方法，其特征在于，

所述车钩托梁故障样本具备多样性和复杂性；所述干扰类标签对应的识别框特征包括：粉笔标记、绑定铁丝、雨水及泥点。

3.根据权利要求2所述的铁路货车车钩托梁折断检测方法，其特征在于，

所述ResNet检测模型包括残差模块，所述残差模块包括由两个5×5的卷积网络串接而成的模块，及由3×3、5×5与3×3三个卷积网络串接而成的模块。

4.根据权利要求3所述的铁路货车车钩托梁折断检测方法，其特征在于，

所述步骤二中Faster-Rcnn模型中的卷积层包括：第一个卷积层共有96个5×5×3的卷积核过滤200×600×1像素的输入车钩托梁故障样本，所述卷积核的步长为2；第二个卷积层将第一个卷积层的结果作为输入，用大小为5×5×96的256个卷积核卷积；第三个卷积层将第二个卷积层的输出作为输入，用大小为3×3×256的384个卷积核卷积；第四、五个卷积层相互连接。

5.根据权利要求4所述的铁路货车车钩托梁折断检测方法，其特征在于，

所述检测建议框的比例为{1:1，1:3，3:1}。