[发明专利]一种基于人工神经网络的铁路货车闸瓦钎窜出故障识别方法

摘要

本发明公开了一种基于人工神经网络的铁路货车闸瓦钎窜出故障识别方法，包括以下步骤：(1)列车通过时，获取运行中铁路货车车体的图像、车型和车辆信息；(2)读入待识别图像；(3)根据图像命名进行初定位，得到初步定位后的图像；(4)等比例缩小初步定位后的图像尺寸；(5)缩小后图像的初步预处理；(6)对初步预处理后图像定位候选区域；(7)提取候选区域的图像特征向量；(8)对特征数据进行识别运算；(9)输出识别结果。本发明不影响列检人员在现有的TFDS系统上的正常工作；以友好的方式保存自动识别结果，给列检人员提供便捷的复检方式；全自动启动、停止，运行中不需要人工干预。

主权项

一种基于人工神经网络的铁路货车闸瓦钎窜出故障识别方法，其特征在于，包含以下步骤：(1)列车通过时，获取运行中铁路货车车体的图像、车型和车辆信息；车辆信息为货车包括车辆数，图像和车型存入货车车体图像库，对图像进行命名，通过图像的命名能够获知图像中是否含有车辆的制动梁部位，即是否含有闸瓦钎；(2)读入待识别图像；根据车辆车型和车体图像的命名从货车车体图像库中提取出此辆列车含有闸瓦钎部件的图像作为待识别图像；(3)根据图像命名进行初定位，得到初步定位后的图像；根据图像命名初步从待识别图像中框选闸瓦钎在图像中的范围，得到初步定位后的图像；(4)等比例缩小初步定位后的图像尺寸；采用图像处理算法对初步定位后的图像的尺寸进行等比例缩小，得到缩小后图像；(5)缩小后图像的初步预处理；首先将缩小后图像的彩色图像变换成灰度图像，然后对灰度图像依次进行亮度调整、对比度拉伸、图像求反，完成图像的初步预处理；(6)对初步预处理后图像定位候选区域；计算初步预处理后的图像的水平方向和垂直方向梯度值，通过判断两个方向梯度值总和的大小来精确定位闸瓦钎的位置，闸瓦钎的位置即为候选区域；(7)提取候选区域的图像特征向量；利用特征提取方法对候选区域进行特征提取，得到特征数据；(8)对特征数据进行识别运算；采用BP神经网络作为基于人工神经网络分类器，获取训练样本，训练样本分为故障样本和非故障样本，故障样本为包括特征数据以及其对应的故障、故障的位置信息，非故障样本包括无故障时候对应的特征数据；把从候选区域中提取的特征数据输入基于人工神经网络分类器进行识别，得到闸瓦钎是否存在故障以及故障的位置信息；所述的故障为闸瓦钎窜出的故障，故障的位置信息为闸瓦钎窜出的位置；(9)输出识别结果；把识别出的闸瓦钎窜出的故障的位置标记在图像上，输出显示。