[发明专利]铁路货车摇枕弹簧丢失故障目标检测方法

说明书

铁路货车摇枕弹簧丢失故障目标检测方法，属于图像处理领域，本发明为解决采用人工检测摇枕弹簧丢失故障存在误检、漏检，效率较低的问题。本发明方法包括以下步骤：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；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，若是，进行故障报警；若否，执行步骤四；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，若是，返回执行步骤一，继续处理下一张检测图像；若否，进行故障报警。

技术领域

本发明属于图像处理领域，涉及货车摇枕弹簧的故障检测技术。

背景技术

摇枕弹簧是铁路货车侧部转向架上非常重要的部件，是列车转向架中的重要平衡和缓冲机构，一旦出现故障，就会危及行车安全，检测摇枕弹簧的故障是指检测固定摇枕弹簧的螺栓是否丢失，不同类型货车安装的摇枕弹簧不同，固定的螺栓数量有区别。若某一类型货车的摇枕弹簧的固定螺栓为两颗，丢失一颗螺栓时被及时检测到，则会避免弹簧完全失效的状况发生，若两颗螺栓都丢失，则摇枕弹簧掉落会给货车安全运行造成威胁，引发安全事故。为避免安全事故的发生导致财产损失，需要非常重视该部件的故障检测，现阶段采用的是人工检车的方式，难免会出现疲劳，不细心等情况造成故障误检、漏检，效率较低。

发明内容

本发明目的是为了解决采用人工检测摇枕弹簧丢失故障存在误检、漏检，效率较低的问题，提供了一种铁路货车摇枕弹簧丢失故障目标检测方法。

本发明所述铁路货车摇枕弹簧丢失故障目标检测方法，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；

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，若是，进行故障报警；若否，执行步骤四；

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，若是，返回执行步骤一，继续处理下一张检测图像；若否，进行故障报警。

优选地，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。

优选地，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。

优选地，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。