[发明专利]基于图像识别与深度学习的铁路货车钩舌销的状态判断方法

说明书

基于图像识别与深度学习的铁路货车钩舌销的状态判断方法，涉及铁路货车故障判断领域。本发明是为了解决现有人工对货车进行故障检测时，容易检测结果不准确，进而容易导致故障不能够及时发现的问题。本发明利用图像自动识别的方式代替人工检测，提高故障识别检测效率、准确率，降低人力成本。同时，本发明还将深度学习应用到部件定位及故障检测中，能够有效提高算法的鲁棒性和准确率。采用先目标检测网络进行粗定位，然后在定位后的截图中进行识别的方式能够有效定位识别图像中的小目标，提高检测的准确率和精度。

技术领域

本发明属于铁路货车故障判断领域，尤其涉及铁路货车钩舌销的故障判断。

背景技术

铁路货车车钩是用来实现机车和车辆或车辆和车辆之间的连挂、传递牵引力及冲击力、并使车辆之间保持一定距离的车辆部件。车钩包括钩舌与钩体，其装配关系如下：钩舌的两个侧面分别有一个销孔，将其与一根钩舌销连接，装配到钩体的安装孔处，钩舌可以围绕钩舌销进行转动。在列车运行过程中，钩舌销将频繁受到牵拉力、压缩力及冲击力作用，致使钩舌销时长产生裂纹、脱落及折断等故障。一旦列车运行中出现上述故障，容易造成列车分离、迫使车辆发生紧急制动、造成轮对槽擦伤等，严重时会造成车辆脱轨颠覆等重大事故。因此，对车辆进行检修时要加强对钩舌故障的检查。

目前对于货车故障检测一般采用人工排查的方式。由于排查过程中受到作业人员的业务素质、责任心、劳动强度等因素影响较大，因此容易发生漏检或简化作业等情况。而对于钩舌销出现裂纹时，往往人工难以及时发现，进而容易造成钩舌销的进一步恶化、甚至丢失或折断，此时，故障不能被及时发现，进而引发严重的车辆故障。

发明内容

本发明是为了解决现有人工对货车进行故障检测时，容易检测结果不准确，进而容易导致故障不能够及时发现的问题，现提供基于图像识别与深度学习的铁路货车钩舌销的状态判断方法。

基于图像识别与深度学习的铁路货车钩舌销的状态判断方法，包括以下步骤：

数据集建立步骤：

采集不同型号铁路货车车钩处于不同时间、地点和环境下的车钩图片建立样本库，所述车钩图片包括正常状态下的车钩图片和故障状态下的车钩图片；

对车钩图片中钩舌销所在位置进行标记、并生成相应的标签文件，将标记后的车钩图片和相应的标签文件作为前置目标检测网络的训练数据集；

在标记后的车钩图片中对钩舌销所在位置进行截取，在不同的截图中分别勾画出软管的轮廓、正常状态下钩舌销的轮廓、钩舌销折断时的轮廓和钩舌销丢失时销孔的轮廓，并对4种状态下的轮廓分别进行标记，将所有截图与其对应的状态标记作为分割网络的训练数据集；

权重训练步骤：

利用前置目标检测网络的训练数据集中的数据训练目标检测网络，该目标检测网络为SSD深度学习网络；

利用分割网络的训练数据集中的数据训练分割网络，该训练分割网络为Mask-rcnn深度学习网络；

图片采集步骤：

采集待测铁路货车的车钩图片，将该图片像素调整为512×512的待检测图片；

故障识别步骤：

将图片采集步骤获得的待检测图片输入到训练后的目标检测网络中，对待检测图片进行截取，获得待检测图片中钩舌销所在位置的截图；

将上述截图输入到分割网络中，与4种状态标记分别进行匹配，匹配出截图所对应的状态标记，将该状态标记对应的状态作为待测铁路货车的钩舌销状态结果。

样本库中不仅包括采集到的图片，还包括对采集到的图片进行拉伸、旋转和镜像后的图片。

SSD深度学习网络包括前端特征提取网络和后端多尺度特征检测网络，所述前端特征提取网络为VVG-16网络。