[发明专利]一种动车车底防松铁丝断裂检测方法

说明书

本发明公开了一种动车车底防松铁丝断裂检测方法，包括：采用待检测防松铁丝特征信息与事先设定好的标准特征信息进行对比的方式进行检测，先采集一辆完好的动车底部防松铁丝的特征信息作为标准参考模板，在动车检修时，再次采集动车底部相同位置的防松铁丝特征信息，并与标准参考模板中的特征信息进行对比，判断防松铁丝是否发生断裂。根据本发明，无需负样本或者少量负样本的就能检测防松铁丝是否断裂，防松铁丝的检测更为简便，应用范围更广，对不同设备的防松铁丝检测都具有推广价值。

技术领域

本发明涉及机器学习和故障检测的技术领域，特别涉及一种动车车底防松铁丝断裂检测方法。

背景技术

动车车底有很多运行机构、部件，主要依靠螺栓进行连接。螺栓的安全性能影响动车整体的安全性，螺栓松动和丢失会导致重要部件脱落或者发生故障，从而影响动车的整体安全。为了保证动车运行过程中的安全性、可靠性，螺栓部件采用防松铁丝进行加固。防松铁丝的作用是防止螺栓松动，防松铁丝的断裂或者丢失可能导致螺栓松动或者丢失，螺栓的松动或者丢失会威胁到动车的安全，因此检测防松铁丝是否断裂和丢失对保证动车整体具有重要意义。

现有的防松铁丝多数采用人工检测或者神经网络分类的方法，防松铁丝检测特征较少，铁丝较为细小，而且数量众多，检测的难度较大。由于在动车车底，人工检测时容易受到光照条件的影响，容易误判，同时长时间的人工检测会导致疲劳，容易出现漏检误检。

而采用传统卷积神经网络分类的方式时，由于防松铁丝特征信息较少，而防松铁丝占据的区域面积较大，周围的干扰特征信息较多，铁丝断裂的特征信息较少，很容易发生误判。同时，出于安全考虑，动车底部的螺栓防松铁丝负样本提供困难，只有有限的负样本，而人工模拟的故障样本难以真实的表达出真实情况。因此，训练样本采集困难。

发明内容

针对现有技术中存在的不足之处，本发明的目的是提供一种动车车底防松铁丝断裂检测方法，无需负样本或者少量负样本的就能检测防松铁丝是否断裂，防松铁丝的检测更为简便，应用范围更广，对不同设备的防松铁丝检测都具有推广价值。为了实现根据本发明的上述目的和其他优点，提供了一种动车车底防松铁丝断裂检测方法，包括：

S1、采集正常情况下的防松铁丝的深度图和二维图片；

S2、根据深度图和相机内参生成防松铁丝的三维点云数据，根据三维点云数据提取出防松铁丝边缘的直线斜率；

S3、将正常情况下的防松铁丝三维点云数据和防松铁丝直线斜率作为标准参考模板存储起来，后续的检测结果与此标准参考模板进行对比进行判断；

S4、采集待测试图片的深度图和二维图片，待测试图片为动车底部与标准模板中同一位置不同时刻的防松铁丝；

S5、根据待测试防松铁丝的深度图、二维图片和相机内参生成相应的三维点云数据，将待测试防松铁丝的三维点云数据与标准参考模板中的三维点云数据进行点云匹配，采用ICP点云匹配算法，得到待测试防松铁丝匹配后的三维点云数据；

S6、将匹配后的三维点云数据投影为灰度图并进行边缘检测，提取出边缘信息；

S7、根据边缘信息进行直线检测，检测出待测试防松铁丝的直线斜率；

S8、将待测试防松铁丝的直线斜率与标准参考模板中直线斜率对比，如果误差在允许范围则防松铁丝正常，否则，防松铁丝发生断裂。

优选的，步骤S2中通过目标检测算法识别检测出防松铁丝在图像中具体的位置，先用大量的标注好的样本进行训练，用训练好的目标检测算法yolov5进行检测识别,检测出防松铁丝的位置。

优选的，步骤S2中相机内参采用张正友标定法得出，然后通过图像点到世界坐标点的变换公式计算出三维点云坐标，计算公式如下：