[发明专利]螺栓松动角度识别方法及系统

说明书

本申请涉及一种螺栓松动角度识别方法及系统，其中，该螺栓松动角度识别方法包括：设备图像获取步骤，用于获取待识别设备图像；螺栓定位检测步骤，用于基于一螺栓检测模型定位所述待识别设备图像中的螺栓区域并获取螺栓图像；区域检测步骤，用于基于一分割模型对所述螺栓图像中螺栓防松线区域、螺母防松线区域及螺栓区域进行检测；螺栓松动角度识别步骤，用于根据所述螺栓防松线区域、螺母防松线区域的质心坐标及所述螺栓区域的中心坐标计算得到螺栓的松动角度，以基于一预设松动阈值及所述松动角度判断所述螺栓是否需要故障修复。通过本申请，解决了防松线不清晰导致的螺栓松动误报和漏报，提高螺栓松动角度识别的鲁棒性，实现精准检测螺栓防松线。

技术领域

本申请涉及螺栓检测技术领域，特别是涉及螺栓松动角度识别方法、系统、计算机设备和计算机可读存储介质。

背景技术

螺栓作为一种常见的机械零部件，被广泛应用在日常生活和工业生产制造中，如汽车制造、轨道交通、航空航天等，螺栓的故障检测对设备健康正常运行有重要意义。

螺栓的故障检测通常包含螺栓脱落和螺栓松动，而螺栓松动检测可以起到防止螺栓进一步脱落的目的。以轨道交通为例，地铁作为日常生活中非常重要的交通工具，其安全性不可忽略。为保证地铁的安全运行，工作人员需要每天对其进行各项状态检查，其中一项就是检查螺栓是否松动。通常情况下，一节车厢安装了上百的螺栓，对螺栓松动的检测是一件极其繁重的工作。传统的螺栓松动采用二种模式的人工检测：一种是针对全部螺栓进行螺栓松动检测；另一种是依靠防松线(松动标记线)进行松动判别，在拧紧的螺栓和螺母上用线标记拧紧的状态，检查时只需查看是螺栓和螺母上的划线是否对齐，如果不对齐则拧紧至其对齐。这两种人工检测方式的主观依赖性强，易使工人产生视觉疲劳，导致错检、漏检。人工方式进行螺栓松动检测的时间成本和人工成本较高，因此需要探索新的方法对螺栓的松动状态进行检测，达到降本增效的目的。

如专利CN104680517B公开的一种螺栓松动的检测方法，但该方法螺栓松动检测和松动角度计算均依赖防松线的检测，设备在实际使用过程中通常很难保持干净清洁，防松线无法保持标记时的清晰度。如地铁运行过程中，车轮通常会受到油渍等污染，导致防松线的颜色变暗，失去原有的鲜明色彩，此时采用传统的图像分析技术很难精准识别防松线的位置，容易导致螺栓松动的漏报和误报，鲁棒性较差。

发明内容

本申请实施例提供了一种螺栓松动角度识别方法、系统、计算机设备和计算机可读存储介质，通过定位螺栓并基于深度学习进行螺栓、螺母的放松线和螺栓区域检测，提高螺栓松动角度识别的鲁棒性，实现精准检测螺栓防松线。

第一方面，本申请实施例提供了一种螺栓松动角度识别方法，包括：

设备图像获取步骤，用于获取待识别设备图像；

螺栓定位检测步骤，用于基于一螺栓检测模型定位所述待识别设备图像中的螺栓区域并获取螺栓图像；可选的，本申请实施例的螺栓检测模型采用基于YOLOv3网络的螺栓检测方法，实现螺栓精准定位；

区域检测步骤，用于基于一分割模型对所述螺栓图像中螺栓防松线区域、螺母防松线区域及螺栓区域进行检测；

螺栓松动角度识别步骤，用于根据所述螺栓防松线区域、螺母防松线区域的质心坐标及所述螺栓区域的中心坐标计算得到螺栓的松动角度，以基于一预设松动阈值及所述松动角度判断所述螺栓是否需要故障修复。

在其中一些实施例中，所述螺栓定位检测步骤进一步包括：

设备图像数据集获取步骤，用于获取至少一设备图像数据集，所述设备图像数据集中的设备均包含螺栓；