[发明专利]列车车辆底盘零件异常检测方法和装置、电子设备及介质

权利要求书

1.一种列车车辆底盘零件异常检测方法，其特征在于，所述方法包括：

通过相机拍摄获取列车车辆底盘不同视角的图像；

采用深度学习算法构建U-Net异常检测模型；

通过所述U-Net异常检测模型对所述图像进行分析，得到所述列车车辆底盘中目标零件的图像数据，其中，所述U-Net异常检测模型包括有EfficientNets网络模型、Autoencoder模块和GAN模块；

将所述图像数据转换成特征向量；

将所述特征向量通过所述Autoencoder模块进行降维和重建，计算得到重建误差；

在确定所述重建误差超过预设阈值的情况下，则判断所述目标零件发生列车车辆底盘零件异常事件。

2.根据权利要求1所述的方法，其特征在于，所述U-Net异常检测模型的训练方法如下：

使用Autoencoder模块计算出每个正常样本的重建误差；

使用GAN模块从所述重建误差中生成比所述正常样本数量更多的异常样本；

将所述正常样本和生成的所述异常样本混合在一起，构成一个新的数据集，并使用二分类模型进行训练，得到训练好的所述U-Net异常检测模型。

3.根据权利要求1所述的方法，其特征在于，在所述通过所述U-Net异常检测模型对所述图像进行分析，得到所述列车车辆底盘中目标零件的图像数据，其中，所述U-Net异常检测模型包括有EfficientNets网络模型、Autoencoder模块和GAN模块之前，还包括：

采用YOLOv7目标检测算法对所述图像进行处理，识别出所述图像中的目标零件。

4.根据权利要求3所述的方法，其特征在于，所述EfficientNets作为所述U-Net异常检测模型的编码器，用于提高所述U-Net异常检测模型的特征提取和表征能力。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过标定算法得到所述目标零件的世界坐标。

6.根据权利要求5所述的方法，其特征在于，所述通过标定算法得到所述目标零件的世界坐标，包括：

获取所述相机的内部参数；

计算出相机模型垂直于所述目标零件的平移向量；

计算世界坐标系绕图像坐标系的旋转矩阵；

结合所述相机的实际位置得到图像坐标和世界坐标之间的坐标转换关系；

基于所述坐标转换关系得到所述目标零件的世界坐标。

7.根据权利要求1至6任意一项所述的方法，其特征在于，在确定所述重建误差超过预设阈值的情况下，则判断所述目标零件发生列车车辆底盘零件异常事件之后，还包括：

对所述列车车辆底盘零件异常事件进行预警和上报，其中，所述列车车辆底盘零件异常事件包括列车车辆底盘传动轴破裂、列车车辆制动器松弛、列车车辆减震器破损或者丢失。

8.一种列车车辆底盘零件异常检测装置，其特征在于，所述装置包括：

拍摄模块，用于通过相机拍摄获取列车车辆底盘不同视角的图像；

构建模块，用于采用深度学习算法构建U-Net异常检测模型；

分析模块，用于通过所述U-Net异常检测模型对所述图像进行分析，得到所述列车车辆底盘中目标零件的图像数据，其中，所述U-Net异常检测模型包括有EfficientNets网络模型、Autoencoder模块和GAN模块；

转换模块，用于将所述图像数据转换成特征向量；

重建模块，用于将所述特征向量通过所述Autoencoder模块进行降维和重建，计算得到重建误差；

判断模块，用于在确定所述重建误差超过预设阈值的情况下，则判断所述目标零件发生列车车辆底盘零件异常事件。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的列车车辆底盘零件异常检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的列车车辆底盘零件异常检测方法。