[发明专利]基于深度学习的转向架弹簧托板检测方法

说明书

基于深度学习的转向架弹簧托板检测方法，涉及图像处理技术领域，针对现有技术中弹簧托板故障检测存在准确率低的问题，本申请通过深度学习的方法可以有效地减少检测人员的工作量，深度学习方法可以一直以计算机良好的状态进行高速高效率的检测。通过使用深度学习的预测网络的方法相比较常规方法可以显著减少人力物力的消耗，同时显著的减少了检测时间，提高检测的效率。通过使用了深度学习的辅助网络进行了协助预测，在不产生漏报的情况下进一步提升准确率，去除一些预测网络产生的误报情况，进一步减少检测人员的工作量。深度学习的方法可以为检测工作提供极大便利，为动车保驾护航。

技术领域

本发明涉及图像处理技术领域，具体为基于深度学习的转向架弹簧托板检测方法。

背景技术

弹簧托板为了缓和机车运行的时候受到的冲击和振动，并且把机车重量均匀分布在各个车轮上面，当弹簧托板发生折断的时候会导致弹簧托板无法发挥其应有的作用进而导致机车在运行中发生一些危险。为了确保高铁能够安全的运行，现在相关部门会安排大量的动车机组人员去对高铁进行安全检测。当高铁在站内停靠时会安排人去逐车厢质检，在高铁运行时，会通过拍摄得到的照片进行检测。然而人工的质检需要调配大量的人手消耗大量的人力物力，同时还要考虑到人眼的视觉疲劳，以及部分故障过于细小导致被人眼忽略。常规人力手动检查故障的方法效率较为低下，而且容易造成人员疲劳而导致漏检，导致动车有安全隐患。

由于当前动车的故障检测方式还是以人工查看图像或者实地检查为主，这种方式效率低下，容易造成故障的遗漏，误检等状况，影响车辆行驶安全。

因此，故障自动识别技术在动车检测上意义重大，此方法运用深度学习技术，以拍摄得到得高清图像为数据，实现故障的自动报警，提高动车作业效率。弹簧托板为了缓和机车运行的时候受到的冲击和振动，并且把机车重量均匀分布在各个车轮上面，当弹簧托板发生折断的时候会导致弹簧托板无法发挥其应有的作用进而导致机车在运行中发生一些危险。

发明内容

本发明的目的是：针对现有技术中弹簧托板故障检测存在准确率低的问题，提出基于深度学习的转向架弹簧托板检测方法。

本发明为了解决上述技术问题采取的技术方案是：

基于深度学习的转向架弹簧托板检测方法，包括以下步骤：

步骤一：获取弹簧托板区域图像；

步骤二：对弹簧托板区域图像中弹簧托板区域和故障区域进行标记；

步骤三：利用弹簧托板区域图像、弹簧托板区域和故障区域训练预测网络，得到训练好的预测网络，预测网络为Faster-RCNN；

步骤四：重新获取弹簧托板区域图像，并对弹簧托板区域图像进行纹理特征提取，得到纹理特征；

步骤五：对弹簧托板区域图像中的故障区域和干扰区域进行标记；

步骤六：将重新获取的弹簧托板区域图像、纹理特征、故障区域和干扰区域进行存储；

步骤七：获取待识别弹簧托板区域图像，将待识别弹簧托板区域图像输入预测网络，若输出弹簧托板区域和故障区域，则执行步骤八，否则，认定为无故障；

步骤八：判断弹簧托板区域是否包含故障区域，若不包含，则认定为无故障，若包含，则执行步骤九；

步骤九：将待识别弹簧托板区域图像进行纹理特征提取，得到纹理特征；

步骤十：调取存储的纹理特征，将其与步骤九中得到的纹理特征进行相似度比对，然后选取相似度最高的纹理特征对应的弹簧托板区域图像、故障区域和干扰区域；

步骤十一：将步骤十中得到的弹簧托板区域图像根据步骤七中得到的故障区域进行区域划分；

步骤十二：将步骤七中得到的故障区域和划分后的区域分别进行纹理特征提取，得到纹理特征；