[发明专利]铁路货车轴箱弹簧故障图像识别方法

说明书

一种铁路货车轴箱弹簧故障图像识别方法，属于铁路货车安全运行技术领域。本发明针对现有铁路货车轴箱弹簧采用人工识别图像的方式进行故障检测，可靠性差及效率低的问题。包括：获得轴箱弹簧样本图像；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；将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中进行处理，获得分割结果；计算获得最优的权重系数，并在Mask R‑CNN网络中更新；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。本发明用于轴箱弹簧故障识别。

技术领域

本发明涉及铁路货车轴箱弹簧故障图像识别方法，属于铁路货车安全运行技术领域。

背景技术

铁路货车的轴箱弹簧发生窜出或折断故障时，会造成车体倾斜，是一种危及行车安全的故障。目前，对于轴箱弹簧，采用人工的方式基于图像进行故障检测。人工检测的方式在图像的故障筛选过程中，极易出现身体疲劳，注意力不集中等状况，因此造成检查结果不可靠。另外，还可能由于个人主观因素，造成故障区域的漏检及错检。因此，这种人工检错的方式无法确保铁路货车的行车安全。

随着深度学习与人工智能的不断发展，及在技术上的不断成熟，针对现有人工故障的检测方式，需要提供一种采用图像自动识别轴箱弹簧故障的方法，来提高故障检测的效率和稳定性。

发明内容

针对现有铁路货车轴箱弹簧采用人工识别图像的方式进行故障检测，可靠性差及效率低的问题，本发明提供一种铁路货车轴箱弹簧故障图像识别方法。

本发明的一种铁路货车轴箱弹簧故障图像识别方法，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。

根据本发明的铁路货车轴箱弹簧故障图像识别方法，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，则基于所述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。

根据本发明的铁路货车轴箱弹簧故障图像识别方法，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。

根据本发明的铁路货车轴箱弹簧故障图像识别方法，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。

根据本发明的铁路货车轴箱弹簧故障图像识别方法，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：