[发明专利]铁路货车滚动轴承轴端螺栓丢失故障的检测方法

权利要求书

1.铁路货车滚动轴承轴端螺栓丢失故障的检测方法，其特征在于，该方法包括以下步骤：

步骤一、采集货车滚动轴承轴端螺栓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，输出待检测图像为丢失类置信度和正常类置信度；

所述目标分类检测模型采用Faster Rcnn网络模型进行训练构建，Faster Rcnn网络模型采用视觉几何组VGG16卷积神经网络作为基础网络，分别提取卷积神经网络层中conv4和conv5两层的特征图，通过正则化合并两层收集到的图像特征图，确保不同的特征图的特征尺度一致，这两层特征图加权融合形成的特征图用于给后续的区域建议网络RPN层和全连接层；利用区域建议网络RPN层输出候选区域region proposals，将加权融合后的特征图与候选区域region proposals进行综合后送入到全连接层进行目标的判定、分类；

步骤三、判断待检测图像为丢失类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。

2.根据权利要求1所述铁路货车滚动轴承轴端螺栓丢失故障的检测方法，其特征在于，构建步骤二中目标分类检测模型所需训练集的过程为：

步骤二一、通过货车运行故障动态图像检测系统TFDS采集货车侧部转向架过车图像；

步骤二二、根据货车轴距信息进行粗定位，截取滚动轴承轴端螺栓所在区域图像作为样本图像；

步骤二三、按照步骤二一、二二收集不同车型在各种条件、不同站点的大量样本图像；

步骤二四、采用人工模拟方式制作轴端螺栓丢失故障样本以实现数据扩增，并令正负样本平衡；

步骤二五、对数据扩增后的所有图像进行标注，标注类型包括：正常类和丢失类两类；

步骤二六、标记后图像数据转换为数据集作为训练集。

3.根据权利要求2所述铁路货车滚动轴承轴端螺栓丢失故障的检测方法，其特征在于，步骤二三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。

4.根据权利要求2所述铁路货车滚动轴承轴端螺栓丢失故障的检测方法，其特征在于，步骤二四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。