[发明专利]铁路货车摇枕弹簧丢失故障目标检测方法

权利要求书

1.铁路货车摇枕弹簧丢失故障目标检测方法，其特征在于，该方法包括以下步骤：

步骤一、采集货车摇枕弹簧过车图像作为待检测图像；

步骤二、将步骤一的待检测图像输入至目标分类检测模型进行分类判断；

所述目标分类检测模型中训练存储有丢失类摇枕弹簧数据集和正常类摇枕弹簧数据集；

目标分类检测模型输出待检测图像为丢失类摇枕弹簧的置信度和正常类摇枕弹簧的置信度；

待检测图像为丢失类摇枕弹簧的置信度针对不同类型货车分别输出，待检测图像为正常类摇枕弹簧的置信度针对不同类型货车分别输出；

步骤三、判断待检测图像为丢失类摇枕弹簧的置信度是否大于丢失类设定阈值，若有一种货车置信度大于自身货车类型对应的丢失类设定阈值，进行故障报警；若所有货车置信度均小于自身货车类型对应的丢失类设定阈值，执行步骤四；

丢失类设定阈值针对不同类型货车的摇枕弹簧分别设置；

步骤四、判断待检测图像为正常类摇枕弹簧的置信度是否大于正常类设定阈值，若所有货车置信度均大于自身货车类型对应的正常类设定阈值，返回执行步骤一，继续处理下一张检测图像；若有一种货车置信度小于自身货车类型对应的正常类设定阈值，判定为图像检测无目标，进行故障报警；

正常类设置阈值针对不同类型货车的摇枕弹簧分别设置。

2.根据权利要求1所述铁路货车摇枕弹簧丢失故障目标检测方法，其特征在于，步骤二中的目标分类检测模型按以下步骤搭建：

步骤二一、采集摇枕弹簧样本图像建立训练集；

步骤二二、利用TensorFlow深度学习系统的Slim库搭建深度学习模型；

步骤二三、将步骤二一的训练集输入至步骤二二搭建的深度学习模型中进行训练，迭代收敛构建出目标分类检测模型。

3.根据权利要求2所述铁路货车摇枕弹簧丢失故障目标检测方法，其特征在于，步骤二一中建立训练集的过程为：

步骤1、通过相机设备采集货车侧部转向架过车图像；

步骤2、根据货车轴距信息进行粗定位，截取摇枕弹簧部件所在区域图像作为样本图像；

步骤3、按照步骤1、2收集不同车型在各种条件、不同站点的大量样本图像；

步骤4、对步骤3收集到的样本图像进行数据扩增；

步骤5、对数据扩增后的所有图像进行标注，包括对每种车型的摇枕弹簧进行标注，每种车型的标注类型包括：正常类和丢失类两类；

步骤6、标记后图像数据转换为数据集作为训练集。

4.根据权利要求3所述铁路货车摇枕弹簧丢失故障目标检测方法，其特征在于，步骤3中收集各种条件下的样本图像指受到拍摄角度、雨水、泥渍、油渍和黑漆自然条件或者人为条件影响的样本图像。

5.根据权利要求3所述铁路货车摇枕弹簧丢失故障目标检测方法，其特征在于，步骤4中对样本图像进行数据扩增方法包括在随机条件下对样本图像进行对比度调整、样本角度旋转、翻转和平移操作。