[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

说明书

本发明涉及列车故障检测技术领域，涉及一种基于图像识别的地铁列车电气箱盖的故障检测方法，包括：1、通过线扫相机获取电气箱盖部件的正负样本数据集；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、通过裁剪得到分类正样本集；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，定位后裁剪，得到分类负样本集；5、将分类负样本集与分类正样本集一起训练，最终得到故障检测模型；6、将待检测样本输入故障检测模型进行测试。本发明能够有效地检测出电气箱盖部件出现的故障，准确率高。

技术领域

本发明涉及列车故障检测技术领域，具体地说，涉及一种基于图像识别的地铁列车电气箱盖的故障检测方法。

背景技术

近些年来，随着轨道交通事业的发展，中国轨道交通营业里程和列车数量不断增加，并且长期位于世界第一。列车的定期巡检是保证列车安全运行的关键，而如此多的检修列车数目给检修工作带来了极大的压力。目前，列车巡检工作仍高度依赖人工，列车底部关键零部件的故障检测需要依靠工人的肉眼对每一处部件进行检测。然而，这样检修的方式不仅效率低下，且可靠性差，会浪费大量的人力物力，因此，列车巡检工作迫切需要新的技术来实现高效率的维护。

随着计算机视觉领域相关技术的不断突破，基于计算机视觉的故障诊断技术得到了迅猛的发展，这为列车巡检工作的革新带来了一场新的革命。目前，计算机视觉主要应用在安防、自动驾驶、人脸识别等领域，这些领域的落地依赖于大量的相关样本。然而，列车巡检工作中存在大量的正常样本，故障样本却极其少见，这使得利用计算机视觉实现列车部件故障检测存在较大的困难。

发明内容

本发明的内容是提供一种基于图像识别的地铁列车电气箱盖的故障检测方法，其能够克服现有技术的某种或某些缺陷。

根据本发明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。

作为优选，步骤6)包括以下步骤：

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。

作为优选，步骤1)中，正样本的张数为1470张，负样本张数为53张。

作为优选，步骤2)中，伪彩色图为3通道。