[发明专利]货运列车故障检测方法、装置及电子设备

说明书

本发明提供了一种货运列车故障检测方法、装置及电子设备，涉及故障检测技术领域。上述货运列车故障检测方法包括：获取货运列车的车身图像，并对车身图像进行区域分割，得到车身各个区域的区域图像；获取区域图像对应的目标检测模型，基于目标检测模型对所述区域图像进行目标识别，得到识别结果；基于识别结果确定区域图像的故障检测结果。本发明可以快速确定各区域图像的故障检测结果，提升了货运列车的故障检测效率。

技术领域

本发明涉及故障检测技术领域，尤其是涉及一种货运列车故障检测方法、装置及电子设备。

背景技术

目前，由于交通运输部等部门提出了煤炭等大宗货物运输“公路转铁路”政策，铁路运输煤炭需求旺盛，铁路部门优化货运列车运行图，增加运煤车储备，预计全国煤炭产量中的大部分煤炭都将通过铁路运输。为了提升货运列车的货运速度以及提高货运数量，提升货运列车的检修速度成为亟待解决的问题。

当前货运列车的车身故障检测，通常是工作人员在列车停止时，对列车的每节车厢进行检查，并对有问题的地方进行标注，然后通知维修人员进行维修，修理工作人员在接到通知后需要首先到达火车旁看前一组检察人员标注的问题，然后根据问题回去拿相应的修理工具，然后进行焊修。故障检查时间较长，工序复杂，火车等待时间长。因此，当前的货运列车故障检修技术还存在故障检测效率的问题。

发明内容

有鉴于此，本发明的目的在于提供一种货运列车故障检测方法、装置及电子设备，能够提升货运列车的故障检测效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种货运列车故障检测方法，包括：获取货运列车的车身图像，并对所述车身图像进行区域分割，得到车身各个区域的区域图像；获取所述区域图像对应的目标检测模型，基于所述目标检测模型对所述区域图像进行目标识别，得到识别结果；基于所述识别结果确定所述区域图像的故障检测结果。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述车身图像进行区域分割，得到车身各个区域的区域图像的步骤，包括：基于预先训练得到的神经网络模型识别所述车身侧面图像中的各车厢的车厢框架；基于各所述车厢框架的位置对所述车身图像进行区域划分，得到车身各个区域的区域图像。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述获取所述区域图像对应的目标检测模型，基于所述目标检测模型对所述区域图像进行目标识别，得到识别结果的步骤，包括：当所述区域图像为侧门图像时，基于预先训练得到的第一神经网络模型识别所述侧门图像中的各侧门零部件，得到各所述侧门零部件的识别结果；当所述区域图像为下侧门图像时，基于预先训练得到的第二神经网络模型识别所述下侧门图像中的各下侧门零部件，得到各所述下侧门零部件的识别结果。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于所述识别结果确定所述区域图像的故障检测结果的步骤，包括：基于各所述侧门零部件的识别结果，确定所述货运列车的侧门区域中各所述侧门零部件对应的故障类型和告警等级；基于各所述下侧门零部件的识别结果，确定所述货运列车的下侧门区域中各所述下侧门零部件对应的故障类型和告警等级。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述识别结果包括车身破损区域；所述基于所述识别结果确定所述区域图像的故障检测结果的步骤，包括：基于预先训练得到的第三神经网络模型对所述区域图像进行实例分割，或者，基于区域生长法提取所述区域图像中的破损区域，得到所述破损区域所覆盖的像素数量；基于所述破损区域所覆盖的像素数量确定所述破损区域的实际破损面积；根据所述破损区域的实际破损面积得到对应的告警等级。