[发明专利]基于机器学习的铁路货车钩尾框托板脱落故障检测方法

说明书

基于机器学习的铁路货车钩尾框托板脱落故障检测方法，涉及铁路货车故障检测领域。本发明是为了解决现有铁路货车钩尾框托板脱落的故障检测采用人工检查图像的方式进行效率和准确率低的问题。本发明包括：获取以车轴为参考位置的钩尾框托板上边缘子图和下边缘子图，利用训练好的AdaBoost‑SVM级联分类器对钩尾框托板上边缘子图和下边缘子图进行螺栓丢失检测，并将有丢失故障的图像中托板位置映射到整列货车图像上，生成报文后上传平台。本发明主要用于检测铁路货车钩尾框托板脱落故障。

技术领域

本发明涉及铁路货车故障检测领域，特别涉及基于机器学习的铁路货车钩尾框托板脱落故障检测方法。

背景技术

随着铁路运输行业的发展，铁路货车的故障检测成为铁路运输领域关注的重点。铁路货车钩尾框属于货车的车钩部分，起到连接两节货车的作用。当铁路货车载重量较大时，会对铁路货车的钩尾框造成较重的损耗，进而容易造成钩尾框托板的脱落，因此合理的钩尾框托板脱落故障检测方法是十分必要的

目前铁路货车钩尾框托板脱落的故障检测主要采用人工检查图像的方式进行，人工检测效率较低，且检车人员在工作过程中极易出现疲劳、遗漏等情况，因此很容易造成漏检、错检的情况的发生，进而造成检测的准确率低，从而影响行车安全。

发明内容

本发明目的是为了解决现有铁路货车钩尾框托板脱落的故障检测采用人工检查图像的方式进行效率和准确率低的问题，而提出了基于机器学习的铁路货车钩尾框托板脱落故障检测方法，具体过程为：

获取以车轴为参考位置的钩尾框托板上边缘子图和下边缘子图，利用训练好的AdaBoost-SVM级联分类器对钩尾框托板上边缘子图和下边缘子图进行螺栓丢失检测，并将有丢失故障的图像中托板位置映射到整列货车图像上，生成报文后上传平台；

获得以车轴为参考位置的钩尾框托板上边缘子图和下边缘子图，具体过程为：

步骤一、定位钩尾框托板图像中钩尾框托板位置，提取ROI区域：

步骤一一、获取铁路货车线阵图像：

步骤一二、定位钩尾框托板位置，提取ROI区域：

根据整体铁路货车识别系统框架提供的轴距信息定位以车轴为参考位置的铁路货车线阵图像中钩尾框托板的位置，并提取ROI区域；

步骤二、获取以车轴为参考位置的钩尾框托板上边缘子图和下边缘子图：

对钩尾框托板的ROI区域图像进行上下边缘截取，获得上边缘带螺栓的区域子图和下边缘带螺栓的区域子图；

训练好的AdaBoost-SVM级联分类器，通过以下方式获得：

步骤三、获取样本图像；

步骤四、提取样本图像的HOG特征；

步骤五、运用提取到的HOG特征训练AdaBoost-SVM级联分类器。

本发明的有益效果为：

本发明利用图像自动识别的方式代替人工检测，并且选择改进HOG算法对托板固定螺丝丢失时的空洞进行特征提取，提取出更加准确的特征信息，提高了故障识别算法的准确率。本发明对HOG算法进行增强，提高特征之间的对比度，增加了算法的泛化能力。本发明将提取到的特征量训练好的AdaBoost-SVM级联分类器对板固定螺丝丢失时的空洞进行检测和定位，减少了分类训练的时间和过拟合的风险，保证了分类的效率和识别程序的稳定性，提升了故障检测方法的效率和准确率。

附图说明

图1为故障识别总体流程图；

图2为故障识别具体流程图；

图3为AdaBoost-SVM级联分类算法描述图。

具体实施方式