[发明专利]铁路货车转向架侧架断裂故障图像识别方法

权利要求书

1.一种铁路货车转向架侧架断裂故障图像识别方法，其特征在于，它包括以下步骤：

步骤一：采集运行中货车转向架侧架的原始灰度图像，根据货车转向架轴距信息及位置信息，确定每张灰度图像的侧架区域，并对所述侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；

步骤二：采用所述样本数据集对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练，获得训练好的inceptionv2模型及Faster rcnn模型；

步骤三：利用训练好的inceptionv2模型及Faster rcnn模型对待检测图像进行处理，获得对应的侧架状态检测类别，实现故障识别；

对所述侧架区域进行预处理包括：

对所述侧架区域进行数据扩增，并提高对比度；

所述数据扩增的形式包括以下至少一种：

对提高对比度后的侧架区域进行旋转、平移、缩放和镜像；

所述标记信息包括：

图像名称、检测类别及侧架区域样本图像中目标区域的左上角及右下角坐标；

所述检测类别包括断裂、水流、粉笔及阴影中至少一类；

将步骤三中检测类别为断裂的待检测图像进行二值化，使断裂部分的像素值为1，非断裂部分的像素值为0；对断裂部分对照原始待检测图像进行掩膜，判断掩膜区域的平均像素，若平均像素低于设定像素阈值，则识别为故障，并进行报警。

2.根据权利要求1所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，

所述卷积神经网络inceptionv2及卷积神经网络Faster rcnn采用COCO模型参数进行网络参数初始化。

3.根据权利要求2所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，

所述侧架区域样本图像输入卷积神经网络inceptionv2中进行特征提取，获得低维特征图。

4.根据权利要求3所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，

所述低维特征图输入卷积神经网络Faster rcnn的RPN层，生成所述目标区域的多个侯选框，将每个侯选框的图像类别区分为前景和后景，并对侯选框的位置进行回归调节；

将得到的每个前景候选框使用ROI Pooling层均匀分成9*9块，对每块进行maxpooling处理；并将所有前景候选框变换为相同大小的数据送入全连接层，进行最终目标区域检测类别分类及目标区域的侯选框位置回归。

5.根据权利要求4所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，

在对卷积神经网络inceptionv2及卷积神经网络Faster rcnn进行训练的过程中，侧架区域样本图像的损失函数L({p_i},{t_i})定义如下：

式中，p_i是不同检测类别的分类概率，t_i＝{t_x,t_y,t_w,t_h}是一个向量，表示候选框的偏移量，t_x为x轴坐标偏移量，t_y为y轴坐标偏移量，t_w为候选框宽度偏移量，t_h为候选框高度偏移量，N_cls为样本数据总数，i为检测类别，λ为分类损失与回归损失的比例权衡参数，是与t_i维度相同的向量，表示候选框对目标区域标记框的偏移量；N_reg为回归侯选框个数；

其中目标预测的分类损失函数L_cls(p_i)采用Focal Loss，定义如下：

式中α_i为样本调节比例，α_i∈[0，1]，γ为正数；

回归预测的位置损失函数为：

设定

则