[发明专利]一种铁路货车渡板脱落的故障识别方法

权利要求书

1.一种铁路货车渡板脱落的故障识别方法，其特征在于，该方法包括以下步骤：

步骤一、采集原始图像数据；

步骤二、基于步骤一采集的原始图像数据，获得包含渡板部位样本图像；

步骤三、使用标签对步骤二获得的包含渡板部位样本图像进行标记，标记渡板、车体及三角底座三类；

步骤四、获取分割图像数据集：

将步骤二获得的包含渡板部位样本图像及步骤三标签标记的渡板、车体及三角底座图像一一对应；

步骤五、将步骤三标签标记的渡板、车体及三角底座图像转化为二值图像；

对二值图像进行边缘查找，找到像素值为255的目标边缘，创建与步骤二获得的包含渡板部位样本图像相同大小的像素全为0的掩膜图像，将目标边缘画到掩膜图像上；

当目标边缘处于掩膜图像四周边界时，将目标边缘处的掩膜图像设置为0；

当目标边缘不处于掩膜图像四周边界时，将目标边缘处的掩膜图像设置为255，对画好的掩膜图像进行膨胀得到边缘图像；

步骤六、获取边缘图像数据集：

将步骤二获得的包含渡板部位样本图像及步骤五膨胀后的掩膜图像一一对应；

步骤七、搭建边缘检测网络；

步骤八、搭建实例分割网络；

步骤九、基于边缘图像数据集和分割图像数据集对边缘检测网络和实例分割网络进行训练，得到分割网络；

步骤十、利用分割网络进行铁路货车渡板脱落故障判别；具体过程为：

步骤一)：当货车通过探测基站时，相机获取线阵图像；

步骤二)：通过使用先验知识与轴距信息，截取渡板部位图像；

步骤三)：将截取的渡板部位图像输入到分割网络中分割车体、渡板、三角底座三部分；

步骤四)：计算分割网络中分割出的渡板底座水平方向像素个数，测量渡板底座实际宽度，求出渡板底座实际宽度与像素个数的比例β；

步骤五)：找到车体上端位置，由上到下计算渡板与车体间的像素个数，取像素个数最大值作为判别像素值；

步骤六)：将判别像素值与比例β相乘，换算出渡板与车体之间实际距离；当渡板与车体之间实际距离大于180mm的时候报警；当渡板与车体之间实际距离小于等于180mm的时候，继续识别下一张图像；

所述步骤七中搭建边缘检测网络；具体过程为：

边缘检测网络包括第一卷积层、第二卷积层、第一最大池化层、第三卷积层、第四卷积层、第二最大池化层、第五卷积层、第六卷积层、第三最大池化层、第七卷积层、第八卷积层、第四最大池化层、第九卷积层、第十卷积层、第十一卷积层、第十二卷积层、第十三卷积层、第十四卷积层、第十五卷积层、第十六卷积层、softmax层；

第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层的卷积核大小为3*3；

第十一卷积层、第十二卷积层、第十三卷积层、第十四卷积层、第十五卷积层、第十六卷积层的卷积核大小为1*1；

所述边缘检测网络的连接关系表征如下：

边缘检测网络的第一卷积层的输出端连接第二卷积层的输入端，第二卷积层的输出端连接第一最大池化层的输入端，第一最大池化层的输出端连接第三卷积层的输入端，第三卷积层的输出端连接第四卷积层的输入端，第四卷积层的输出端连接第二最大池化层的输入端，第二最大池化层的输出端连接第五卷积层的输入端，第五卷积层的输出端连接第六卷积层的输入端，第六卷积层的输出端连接第三最大池化层的输入端，第三最大池化层的输出端连接第七卷积层的输入端，第七卷积层的输出端连接第八卷积层的输入端，第八卷积层的输出端连接第四最大池化层的输入端，第四最大池化层的输出端连接第九卷积层的输入端，第九卷积层的输出端连接第十卷积层的输入端；

对第一卷积层、第二卷积层的输出求和，后接第十一卷积层，对第十一卷积层的输出进行1倍上采样，得到对第十一卷积层的输出进行上采样的结果；

对第三卷积层、第四卷积层的输出求和，后接第十二卷积层，对第十二卷积层的输出进行2倍上采样，得到对第十二卷积层的输出进行上采样的结果；

对第五卷积层、第六卷积层的输出求和，后接第十三卷积层，对第十三卷积层的输出进行4倍上采样，得到对第十三卷积层的输出进行上采样的结果；

对第七卷积层、第八卷积层的输出求和，后接第十四卷积层，对第十四卷积层的输出进行8倍上采样，得到对第十四卷积层的输出进行上采样的结果；

对第九卷积层、第十卷积层的输出求和，后接第十五卷积层，对第十五卷积层的输出进行16倍上采样，得到对第十五卷积层的输出进行上采样的结果；

将得到的对第十一卷积层的输出进行上采样的结果、对第十二卷积层的输出进行上采样的结果、对第十三卷积层的输出进行上采样的结果、对第十四卷积层的输出进行上采样的结果、对第十五卷积层的输出进行上采样的结果进行拼接操作，输出结果经过第十六卷积层，第十六卷积层输出结果连接softmax层。