[发明专利]一种基于深度学习的动车组车辆故障动态图像检测方法

权利要求书

1.一种基于深度学习的动车组车辆故障动态图像检测方法，其特征在于：先通过深度学习目标检测算法直接对动车组车体故障进行初步检测，然后配合车体在正常状态和故障状态下的逻辑判断对动车组车辆故障动态图像进行综合分析，最终根据分析结果判断车体是否发生故障并作出预警；

基于深度学习的动车组车辆故障动态图像检测方法具体包括以下步骤：

S1、获取动车组车辆故障动态图像；

S2、通过深度学习检测算法直接检测动车组车辆故障动态图像，获得车体可能存在故障的区域；

S3、判断动车组车辆故障动态图像中车体可能存在故障的区域是否满足正常状态下的车体逻辑；

S4、判断动车组车辆故障动态图像中车体可能存在故障的区域是否满足故障状态下的车体逻辑；

S5、综合分析步骤S2至S4的结果，判定车体是否存在故障。

2.根据权利要求1所述的一种基于深度学习的动车组车辆故障动态图像检测方法，其特征在于：具体的实现模块如下所述：

模块201：利用深度学习目标检测算法检测动车组车辆故障动态图像，得到车体部件的局部图像；

模块202：接受模块201的检测结果，并判断检测到的部件中是否存在故障区域，如果判断为是，则将判断结果传入模块203，否则结束；

模块203：接受模块202的判断结果，并判断该故障区域是否满足正常状态下的车体逻辑，如果判断为否，则将判断结果传入模块204，否则结束；

模块204：接受模块203的判断结果，并判断该故障区域是否满足故障状态下的车体逻辑，如果判断为是，则将判断结果传入模块205，否则结束；

模块205：接受模块204的判断结果，综合分析后，最终给出故障的判定结果。

3.一种如权利要求1或2所述基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：包括图像采集模块(101)、深度学习检测模块(102)、逻辑判断模块(103)和结果输出模块(104)。

4.根据权利要求3所述的一种基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：所述图像采集模块(101)用于从动车组车辆故障动态图像检测系统中获取车体图像。

5.根据权利要求3所述的一种基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：所述深度学习检测模块(102)将图像采集模块(101)输出的车体图像输入到深度学习检测模块中，且深度学习检测模块(102)主要是利用目前深度学习中较为先进的目标检测算法，检测出该车体图像中可能存在的故障区域。

6.根据权利要求5所述的一种基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：所述深度学习检测模块(102)目标检测算法为Yolo算法或Centernet算法中的一种。

7.根据权利要求3所述的一种基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：所述逻辑判断模块(103)用于将深度学习检测模块(102)中输出的检测结果先从正常状态下车体应该满足的逻辑的角度作出判断，再从故障状态下车体的逻辑的角度作出判断。

8.根据权利要求3所述的一种基于深度学习的动车组车辆故障动态图像检测方法的检测系统，其特征在于：所述结果输出模块(104)用于将深度学习检测模块(102)和逻辑判断模块(103)的判断结果进行综合分析，最终得到车体是否存在故障的判定。