[发明专利]一种基于图像识别的地铁列车电气箱盖的故障检测方法

权利要求书

1.一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：包括以下步骤：

1)、通过线扫相机获取电气箱盖部件的数据集，即包含正样本的数据集用于后续的训练；通过线扫相机还获取一个包含负样本的故障数据集；

2)、对数据集进行预处理，转换为伪彩色图；

3)、用正样本的数据集用于Nanodet的训练；

4)、当目标检测网络训练完成时，将长方形铭牌、三角形铭牌和锁扣从电气箱盖数据集中裁剪下来，保存为分类正样本集；并在电气箱盖负样本上经过翻转，加入噪声进行数据增强，对负样本的数目进行扩充，通过训练好的Nanodet神经网络对扩充后的负样本上的零部件进行定位，并将定位到的零部件进行裁剪，保存为分类负样本集；

5)、使用keras自带的预训练的VGG16模型对各个类别的分类负样本集与分类正样本集一起训练，最终得到了三个分别用于检测长方形铭牌、三角形铭牌和锁扣的故障检测模型；

6)、将待检测样本输入故障检测模型进行测试；

6.1)将待检测样本转换为伪彩色图；

6.2)将伪彩色图输入训练好的轻量化目标检测Nanodet模型，定位后并裁剪出长方形铭牌，三角形铭牌与锁扣；

6.3)将裁剪的长方形铭牌、三角形铭牌与锁扣数据分别输入到各自对应的VGG16分类网络，分别得到无故障形式的长方形铭牌、三角形铭牌和锁扣的数目；

6.4)将统计得到的无故障形式的长方形铭牌、三角形铭牌和锁扣数目与该类电气箱盖数据集的正样本情况下的长方形铭牌、三角形铭牌和锁扣数目比较，若两者相等，则判定待检测样本为正样本，反之为负样本。

2.根据权利要求1所述的一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：步骤1)中，正样本的张数为1470张，负样本张数为53张。

3.根据权利要求1所述的一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：步骤2)中，伪彩色图为3通道。

4.根据权利要求1所述的一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：步骤3)中，Nanodet训练的学习率设置为0.0001，迭代次数设置为100个epoch。