[发明专利]基于深度学习的大规模列车移位故障检测方法及系统

摘要

本发明提供了一种基于深度学习的大规模列车移位故障检测方法和系统。所述检测方法包括：采集列车部件移位图像并传入深度学习框架中训练出列车部件分类模型并获得部件剪切图；将剪切图进行标注并传入深度学习框架中训练出部件轮廓分割模型；采集待检测图像传入所述列车部件分类模型中进行预测，根据分类及定位自动检测部件并剪切；将所述剪切图传入部件轮廓分割模型中分割出部件的内外轮廓，并获得相对位置信息；设定相对位置信息的阈值并根据内外轮廓相对位置信息进行逻辑判断，判断列车部件是否发生移位故障。与现有技术相比，本发明有效解决对海量列车部件数据的自动检测，提高检测效率和准确度，降低人力物力成本。

主权项

1.一种基于深度学习的大规模列车移位故障检测方法，其特征在于，所述检测方法包括以下步骤：步骤S1，采集列车部件图像：收集海量列车部件图像作为图像集；步骤S2，提供深度学习目标检测模型和深度学习语义分割模型；步骤S3，通过训练获得列车部件分类模型：将所述图像集中的列车部件图像输入到所述深度学习目标检测模型中，训练出可以对列车部件进行精准识别的列车部件分类模型；步骤S4，通过训练获得部件轮廓分割模型：利用所述列车部件分类模型对所述训练图像集进行分类和定位，根据定位的结果自动获取所述训练图像集中各个部件的剪切图，对剪切图进行标注并输入到所述深度学习语义分割模型中，训练出可以分割列车部件得到列车部件的内部轮廓和外部轮廓的部件轮廓分割模型；步骤S5，故障检测：将待检测图像输入到所述列车部件分类模型中，通过所述列车部件分类模型对所述待检测图像中各部件进行分类和定位，根据定位结果构建包含各部件图像的部件池，然后将所述部件池输入到所述部件轮廓分割模型中，分割各部件的内部轮廓和外部轮廓，并得到两者的相对位置信息；步骤S6，逻辑判断：设定相对位置信息的阈值，根据阈值判断列车部件是否发生移位故障。