[发明专利]铁路货车侧部摇枕倾斜故障图像识别方法

说明书

铁路货车侧部摇枕倾斜故障图像识别方法，本发明涉及铁路货车故障图像识别方法。本发明的目的是为了解决现有方法对铁路货车侧部摇枕倾斜故障图像识别准确率低的问题。过程为：过程为：步骤一、获取数据集；步骤二、将数据集输入深度学习网络模型进行训练，得到训练好的深度学习网络模型；步骤三、通过训练好的最优的权重系数，对待检测摇枕倾斜图像进行预测，得到侧部摇枕的分割结果；步骤四、对步骤三得到的侧部摇枕的分割结果进行倾斜故障判别。本发明用于铁路货车侧部摇枕倾斜故障图像识别领域。

技术领域

本发明涉及铁路货车故障图像识别方法。

背景技术

摇枕是货车转向架部分重要的部件。在货车正常运行时，侧部摇枕处于水平状态。当侧部摇枕发生倾斜时，会极大的影响行车安全。在侧部摇枕倾斜故障检测中，采用人工检查图像的方式进行故障检测。由于检车人员在工作过程中极易出现疲劳、遗漏等情况，造成漏检、错检的出现，影响行车安全。

发明内容

本发明的目的是为了解决现有方法对铁路货车侧部摇枕倾斜故障图像识别准确率低的问题，而提出铁路货车侧部摇枕倾斜故障图像识别方法。

铁路货车侧部摇枕倾斜故障图像识别方法具体过程为：

步骤一、获取数据集；

步骤二、将数据集输入深度学习网络模型进行训练，得到训练好的深度学习网络模型；

步骤三、通过训练好的最优的权重系数，对待检测摇枕倾斜图像进行预测，得到侧部摇枕的分割结果；

步骤四、对步骤三得到的侧部摇枕的分割结果进行倾斜故障判别。

本发明的有益效果为：

采用模式识别及图像处理的方式可提高检测效率和稳定性。近几年，深度学习与人工智能不断发展，在技术上不断成熟。因而，采用深度学习进行侧部摇枕倾斜故障的识别，可以有效提高检测准确率。

货车故障检测中，侧部摇枕倾斜故障是一种危及行车安全的故障。采用一种高效、精准的算法进行侧部摇枕倾斜检测，对于货车的行车安全至关重要。本发明采用深度学习算法对侧部摇枕区域进行分割，再通过高级图像处理算法及模式识别技术，计算侧部摇枕倾斜角度。通过预先设定的阈值判定其是否为故障。对发生故障的侧部摇枕区域进行上传报警，工作人员根据识别结果进行相应的处理，保证列车安全运行。

利用图像自动识别的方式代替人工检测，提高检测效率、准确率。将深度学习算法应用到侧部摇枕倾斜故障自动识别中，提高整体算法的稳定性及精度。采用高效的深度学习网络模型，提高系统运行效率。

附图说明

图1为本发明故障识别流程图；

图2为本发明深度学习网络模型图；

图3为初始化模型图；

图4为ENet-bootleneck模型图；

图5为ENet-bootleneck-de模型图；

图6为摇枕示意图。

具体实施方式

具体实施方式一：本实施方式铁路货车侧部摇枕倾斜故障图像识别方法具体过程为：

步骤一、获取数据集；

步骤二、将数据集输入深度学习网络模型进行训练，得到训练好的深度学习网络模型；

步骤三、通过训练好的最优的权重系数，对待检测摇枕倾斜图像进行预测，得到侧部摇枕的分割结果，此结果用于后续侧部摇枕倾斜故障的判断；

步骤四、对步骤三得到的侧部摇枕的分割结果进行倾斜故障判别。