[发明专利]铁路货车交叉杆盖板断裂检测方法

说明书

一种铁路货车交叉杆盖板断裂检测方法，属于铁路货车安全运行领域。本发明针对现有铁路货车交叉杆盖板断裂故障采用人工方式检测，效率低并且可靠性差的问题。包括：建立盖板断裂图像样本库，对每张盖板断裂图像样本中断裂区域或模糊区域分块标记单元框，并对每个单元框配置类别标签；搭建Faster‑Rcnn算法框架模型，采用盖板断裂图像样本进行训练；获得对应于故障标签与疑似标签的权重系数；将待识别图像输入至更新后的Faster‑Rcnn算法框架模型，基于所述权重系数获得待识别图像的故障预测区域，及对应于故障预测区域的置信度，将置信度大于设定阈值的故障预测区域确定为故障区域，进行报警。本发明能够实现交叉杆盖板断裂故障的自动识别。

技术领域

本发明涉及铁路货车交叉杆盖板断裂检测方法，属于铁路货车安全运行领域。

背景技术

一直以来，对铁路货车交叉杆盖板故障的检查都以人工的方式进行，即检车人员通过查看获取的交叉杆盖板图像，判断是否发生断裂故障。由于人工检测成本高、效率低下，并且人工方式极易产生操作疲劳或注意力不集中等状况，由此极易造成图像的漏检及误检等情况，这会很大程度的影响铁路货车行驶安全。另外，人工方式不利于自动化技术的发展。

因此，针对人工故障检测的不足，实现交叉杆盖板断裂的故障检测自动化具有重大意义。随着模式识别、深度学习以及人工智能领域的迅速发展，可采用这些技术对采集的交叉杆盖板图像进行故障的自动检测，以提高工作效率和故障检测的准确率，推动铁路运输自动化程度的快速发展。

发明内容

针对现有铁路货车交叉杆盖板断裂故障采用人工方式检测，效率低并且可靠性差的问题，本发明提供一种铁路货车交叉杆盖板断裂检测方法。

本发明的一种铁路货车交叉杆盖板断裂检测方法，包括以下步骤：

步骤一：建立盖板断裂图像样本库，对每张盖板断裂图像样本中断裂区域或模糊区域分块标记单元框，并对每个单元框配置类别标签；所述类别标签包括故障标签与疑似标签；

步骤二：搭建Faster-Rcnn算法框架模型，采用盖板断裂图像样本进行训练，在由每张盖板断裂图像样本获得的特征图上以滑动窗的方式生成初始检测框，再基于相应的单元框对初始检测框进行修正获得目标框；在获得目标框的过程中逐渐调整模型参数至模型收敛，获得对应于故障标签与疑似标签的权重系数；

步骤三：采集运行中货车的交叉杆盖板图像，进行预处理后获得待识别图像；将待识别图像输入至更新后的Faster-Rcnn算法框架模型，基于所述权重系数获得待识别图像的故障预测区域，及对应于故障预测区域的置信度，将置信度大于设定阈值的故障预测区域确定为故障区域，进行报警。

根据本发明的铁路货车交叉杆盖板断裂检测方法，所述盖板断裂图像样本由采集的原始盖板断裂图像进行预处理后获得。

根据本发明的铁路货车交叉杆盖板断裂检测方法，对原始盖板断裂图像进行预处理的方式包括扩增，所述扩增包括对图像旋转、镜像、缩放及增强对比度。

根据本发明的铁路货车交叉杆盖板断裂检测方法，所述Faster-Rcnn算法框架模型对盖板断裂图像样本的处理包括：

由盖板断裂图像样本获得特征图。

根据本发明的铁路货车交叉杆盖板断裂检测方法，所述Faster-Rcnn算法框架模型对盖板断裂图像样本的处理还包括：

对所述特征图采用两个并行的区域推荐网络层以滑动窗的方式生成初始检测框，对所有初始检测框进行池化处理，获得目标框。

根据本发明的铁路货车交叉杆盖板断裂检测方法，所述滑动窗包括三种尺寸，长宽比分别为{1：1，1：2，2：1}。