[发明专利]一种铁路货车钩尾销托梁脱落故障检测方法

说明书

一种铁路货车钩尾销托梁脱落故障检测方法，它属于铁路货车钩尾销托梁脱落故障检测技术领域。本发明解决了人工故障检测方法所存在的故障检测的准确率以及效率低的问题。本发明利用图像自动检测的方法代替传统的人工检测方法，可以大幅度提高故障检测的效率。通过对原始LBP特征提取方法进行改进可以提升抗噪声干扰的能力，进一步提高故障检测的准确率。采用级联的SVM对候选框图像特征进行分类，提高了故障检测算法的定位准确程度。本发明可以应用于铁路货车钩尾销托梁脱落故障检测。

技术领域

本发明属于铁路货车钩尾销托梁脱落故障检测技术领域，具体涉及一种铁路货车钩尾销托梁脱落故障检测方法。

背景技术

传统的铁路货车故障检测方法中通过人工查看铁路货车过车图像识别图像中的故障，采用计算机的故障自动识别方法相比于传统的人工故障检测方法具有成本更低，速度更快的优点，同时能够减少由于人的疲劳、粗心等造成的漏检、误检现象。因此，设计出一种采用计算机模拟人的故障检测过程的故障自动识别算法来解决人工故障检测存在的检测准确率和效率低的问题是十分必要的。

发明内容

本发明的目的是为解决人工故障检测方法所存在的故障检测的准确率以及效率低的问题，而提出了一种铁路货车钩尾销托梁脱落故障检测方法。

本发明为解决上述技术问题所采取的技术方案是：一种铁路货车钩尾销托梁脱落故障检测方法，该方法包括以下步骤：

步骤一、收集铁路货车的过车图像；

步骤二、从收集的过车图像中截取出车钩部分图像，并对截取出的图像中的钩尾销托梁进行标注后，获得每张截取出的图像所对应的标记文件；

截取出的图像与标记文件共同构成样本数据集；

步骤三、分别在样本数据集中的每张图像上设置用于框选钩尾销托梁的候选框，获得候选框图像，并将候选框图像变换到统一尺寸后，提取尺寸变换后图像的LBP纹理特征；

步骤四、利用步骤三提取到的图像LBP纹理特征对级联的SVM网络进行训练，获得训练好的级联的SVM网络；

步骤五、从待检测图像中获取出车钩部分图像后，在获取的车钩部分图像上设置候选框，获得待检测图像对应的候选框图像；

对待检测图像对应的候选框图像进行尺寸变换后，获得待检测图像对应的尺寸变换后图像，并提取出待检测图像对应的尺寸变换后图像的LBP纹理特征，再将待检测图像对应的尺寸变换后图像的LBP纹理特征输入训练好的级联的SVM网络，级联的SVM网络输出检测结果。

本发明的有益效果是：本发明提出了一种铁路货车钩尾销托梁脱落故障检测方法，本发明利用图像自动检测的方法代替传统的人工检测方法，可以大幅度提高故障检测的效率。通过对原始LBP特征提取方法进行改进可以提升抗噪声干扰的能力，进一步提高故障检测的准确率。采用级联的SVM对候选框图像特征进行分类，提高了故障检测算法的定位准确程度。

附图说明

图1为本发明方法的整体流程图；

图2为故障检测网络算法框图；

图3为钩尾销托梁丢失与正常的图像的对比图；

图4为原始LBP特征提取方法的示意图；

图5为本发明采用的改进LBP特征提取方法的示意图。

具体实施方式

需要特别说明的是，在不冲突的情况下，本申请公开的各个实施方式之间可以相互组合。

具体实施方式一、结合图1说明本实施方式。本实施方式的一种铁路货车钩尾销托梁脱落故障检测方法，该方法具体通过以下步骤实现：

步骤一、收集铁路货车的过车图像；