[发明专利]一种铁路列车闸瓦钎环故障的检测方法及装置

说明书

本发明公开一种铁路列车闸瓦钎环故障的检测方法及装置，其中所述闸瓦钎环故障的检测方法包括:从所述铁路列车的图像中获取所述铁路列车的车轮轴线坐标；根据所述车轮轴线坐标，从所述铁路列车的图像中获取与所述闸瓦钎环相关的图块；采用深度学习和支持向量机相结合的方法构建闸瓦钎环定位与识别模型；根据所述闸瓦钎环定位与识别模型，对所述与所述闸瓦钎环相关的图块进行检测，以对所述铁路列车闸瓦钎环故障进行检测。本发明解决了现有方法中闸瓦钎环故障检测准确率不高的技术问题，实现了提高闸瓦钎环故障检测的准确率的技术效果。

技术领域

本发明属于计算机视觉和图像识别领域，尤其涉及一种铁路列车闸瓦钎环故障的检测方法及装置。

背景技术

为了保证铁路列车的安全性，通常需要对铁路列车进行故障检测，闸瓦钎环是列车基础制动装置中的部件，闸瓦钎环的故障将会影响列车的制动。

现有技术中，通常是由经验丰富的列检人员来检测闸瓦钎环是否存在故障，例如丢失、位置偏移、有覆盖物等，然而人工检测的效率较低，为了提高闸瓦钎环故障的检测效率，出现了货车闸瓦故障的自动识别方法，上述方法，首先采用图像分割的方式确定货车闸瓦特征区域，然后使用SVM(support vector machine支持向量机)算法进行特征值计算，再通过比较提取的特征值与预置的故障识别值进行比较，判定闸瓦是否存在故障。

然而，申请人发现，现有的货车闸瓦故障的自动识别方法，采用的SVM算法进行特征值计算，然而SVM算法仅适用于训练样本量较少的情况，对于大规模的训练样本容易导致目标漏检或误检，则当货车车闸数量和种类较多时，无法保证故障检测的准确率。

可见，现有方法中闸瓦钎环故障检测的准确率不高的技术问题。

发明内容

本发明提供一种铁路列车闸瓦钎环故障的检测方法及装置，用以解决现有方法中闸瓦钎环故障检测的准确率不高的技术问题。

第一方面，本发明实施例提供了一种铁路列车闸瓦钎环故障的检测方法，所述方法包括:

从所述铁路列车的图像中获取所述铁路列车的车轮轴线坐标；

根据所述车轮轴线坐标，从所述铁路列车的图像中获取与所述闸瓦钎环相关的图块；

采用深度学习和支持向量机相结合的方法构建闸瓦钎环定位与识别模型；

根据所述闸瓦钎环定位与识别模型，对所述与所述闸瓦钎环相关的图块进行检测，以对所述铁路列车闸瓦钎环故障进行检测。

本发明提供的铁路列车闸瓦钎环故障的检测方法，在所述根据所述车轮轴线坐标，从所述铁路列车的图像中获取与所述闸瓦钎环相关的图块之前，还包括：

采用深度学习方法构建车型识别模型；

根据所述车型识别模型，获得所述铁路列车的车型；

根据所述车型，判断所述铁路列车的图像是否包含闸瓦钎环。

本发明提供的铁路列车闸瓦钎环故障的检测方法，所述采用深度学习方法构建车型识别模型，包括：

获取的车轮区域图像块和摇枕区域图像块；

对所述车轮区域图像块和所述摇枕区域图像块进行分类，获得车轮区域数据集和摇枕区域数据集；

当所述车轮区域数据集达到所述第一预设值时，利用深度卷积神经网络获取所述车轮区域数据集的第一分类特征；

当所述摇枕区域数据集达到所述第二预设值时，利用深度卷积神经网络获取所述摇枕区域数据集的第二分类特征；

分别根据所述第一分类特征和所述第二分类特征，获得车轮识别模型和摇枕识别模型，以所述车轮识别模型和摇枕识别模型作为车型识别模型。