[发明专利]一种制动缸活塞推杆开口销丢失故障检测方法

权利要求书

1.一种制动缸活塞推杆开口销丢失故障检测方法，其特征在于，所述方法包括：

S1、在铁路四周架设高清成像设备，铁路货车通过后，获取过车图像；

S2、截取过车图像中包含制动缸活塞推杆的图像，将截取的图像送入训练好的故障检测网络中进行制动缸活塞推杆开口销丢失故障检测，如果像中检测到开口销丢失故障或没有检测到开口销，则认为出现故障，否则认为无故障；

故障检测网络包括共享卷积块1、卷积块2-卷积块5、FPN特征金字塔、RPN网络、建议框、ROI池化层1、位置回归器、分类器1、ROI池化层2、分类卷积块2-分类卷积块5和分类器2；

共享卷积块1、卷积块2-卷积块5组成特征提取网络，特征提取网络中的卷积块2-卷积块5与FPN特征金字塔连接，

截取的图像送入共享卷积块1，依次经特征提取网络与FPN特征金字塔后同时输入至建议框和ROI池化层1，建议框的输出输入至ROI池化层1，ROI池化层1的输出同时输入至位置回归器和分类器1；

同时，建议框的输出与分类器1的输出进行融合后再输入至ROI池化层2，共享卷积块1的输出输入至ROI池化层2，ROI池化层2的输出输入至分类卷积块2-分类卷积块5组成的分类特征学习网络，分类特征学习网络的输出输入至分类器2，位置回归器和分类器1和分类器2进行综合后，输出分类结果。

2.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，所述FPN特征金字塔采用Efficientdet网络中的BiFPN网络实现。

3.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，所述方法还包括：

收集图像，建立数据集，利用数据集中包括制动缸活塞推杆开口销正常的图像与制动缸活塞推杆开口销丢失的图像；对数据集中的图像进行多角度的仿射变换，对经过仿射变换后的图像进行数据集扩增操作，所述数据集扩增操作包括旋转、裁剪和对比度变换；

利用数据集对故障检测网络进行训练。

4.根据权利要求3所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，采用SGD优化方式进行训练，初始学习率设置为0.01。

5.根据权利要求4所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，将数据集分为训练集、验证集与测试集，比例为7：2：1，采用训练集图像训练故障检测网络，在验证集上进行测试，然后将验证集中识别错误的图像加入到训练集中重新进行训练，最后在测试集上测试故障检测网络的性能。

6.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，

采用Focal Loss损失函数对故障检测网络进行训练，Focal Loss损失函数为：

FL(p_t)＝-α_t(1-p_t)^γlog(p_t)

其中，FL(p_t)表示损失函数，y为样本标签，p_t反映了预测类别与样本标签y的接近程度，α、γ均为可变约束参数。

7.根据权利要求6所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，α＝0.25，γ＝2。

8.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，分类器2为softmax分类器。

9.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，所述方法还包括：若出现故障，上传报警报文。

10.根据权利要求1所述的制动缸活塞推杆开口销丢失故障检测方法，其特征在于，FPN特征金字塔输出的分类置信度阈值为0.5。