[发明专利]铁路货车轴箱弹簧故障图像识别方法

权利要求书

1.一种铁路货车轴箱弹簧故障图像识别方法，其特征在于，包括以下步骤：

步骤一：采集不同时间、地点、自然及人为条件下的轴箱弹簧灰度图像，并对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸，获得轴箱弹簧样本图像；所有轴箱弹簧样本图像形成弹簧样本数据集；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；

步骤二：将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中，获得特征图，再由特征图获得多个相关的初始候选框；将初始候选框送入RPN网进行过滤，获得有效候选框；对所述有效候选框进行ROIAlign操作，获得固定大小的目标候选框；再对目标候选框进行分类、回归与FCN操作，获得分割结果；在逐次输入轴箱弹簧样本图像的迭代过程中，计算获得最优的权重系数，并在Mask R-CNN网络中更新；所述Mask R-CNN网络的特征提取采用Resnet50；

步骤三：采集运行中货车轴箱弹簧图像，并进行处理，获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的Mask R-CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。

2.根据权利要求1所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，所述图像识别方法还包括步骤四：

对于步骤三中得出的轴箱弹簧间隙，若轴箱弹簧间隙大于或者等于预设正常间隙，则基于轴箱弹簧分割结果定位每层弹簧子图像，对每层弹簧子图像采用图像处理与模式识别方式判断每层弹簧是否有折断，并对有折断的当前层弹簧进行故障报警。

3.根据权利要求1或2所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，

步骤一中所述对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸后，还进行图像的数据扩增，获得轴箱弹簧样本图像。

4.根据权利要求3所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，

所述数据扩增包括：对图像的亮度增强、裁剪、饱和度调整、旋转、平移、缩放及镜像。

5.根据权利要求4所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，

所述步骤二中，计算获得最优的权重系数的过程包括：

选定每个感兴趣区域的损失函数L为：

L＝Lcls+Lboc+Lmask，

其中Lcls为分类损失函数，Lboc为回归损失函数，Lmask为分割损失函数；

经过损失函数L和优化器后，可获得新的权重系数。

6.根据权利要求5所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，

对于每次迭代获得的当前权重系数，与已有权重系数进行比较，若当前权重系数对应的损失函数小于已有权重系数对应的损失函数，则进行权重系数的更新，直到获得最优的权重系数。