一种关键部位的故障检测方法及装置制造方法及图纸

本发明专利技术公开了一种关键部位的故障检测方法及装置，该方法通过采集需要进行故障检测的列车图像；采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像；利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果；依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。可见，以对列车关键部位的图像的获取及分析检测代替现有技术的现场检测，实现对列车关键部位的快速准确的故障检测，且节约大量人力物力。

【技术实现步骤摘要】
一种关键部位的故障检测方法及装置
本专利技术涉及故障检测
，特别是涉及一种关键部位的故障检测方法及装置。
技术介绍
列车的关键部位包括轴箱盖、齿轮箱、牵引杆等，它是列车的重要组成部分，一旦这些关键部件出现故障，后果极其严重，对列车上乘客的自身安全构成严重威胁。为保证列车上乘客的安全，技术人员需要经常对列车的关键部位进行故障检测和诊断，故障检测中一般采用人工检测的方法对列车关键部位进行故障检测，需要技术人员使用故障检测设备对列车关键部位进行全面的检查和排除故障。 由于需要大量的技术人员和故障检测设备对列车关键部位进行故障检测，检测过程也很繁琐，不仅浪费大量人力资源，而且导致故障检测的效率较低，也不够准确地检测到列车关键部位的故障。
技术实现思路
本专利技术的目的是提供一种关键部位的故障检测方法及装置，以实现对列车关键部位的快速准确的故障检测，且节约大量人力物力。 为解决上述技术问题，本专利技术提供一种关键部位的故障检测方法，该方法包括: 采集需要进行故障检测的列车图像； 采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像； 利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果； 依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。 优选的，所述采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像，包括: 对所述列车图像进行预处理，得到预处理后的列车图像； 对所述预处理后的列车图像进行特征点定位，并采用局部特征提取方法对列车关键部位进行特征提取； 利用神经网络训练方法对提取到的列车关键部位的特征进行训练，获取具有列车关键部位的区域图像，完成分类过程。 优选的，所述利用特征匹配方法对所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果，包括: 对所述具有列车关键部位的区域图像进行预处理，得到预处理后的具有列车关键部位的区域图像； 对所述预处理后的具有列车关键部位的区域图像进行特征点定位，并采用局部特征提取方法对列车关键部位进行特征提取； 利用神经网络匹配方法对提取到的列车关键部位的特征，与预先存储的标准模板图像中的列车关键部位的特征进行匹配，获取匹配结果，完成匹配过程。 优选的，所述局部特征提取方法包括金字塔式局部特征提取方法。 优选的，所述神经网络训练方法包括层级记忆神经网络训练方法。 优选的，所述神经网络匹配方法包括层级记忆神经网络匹配方法。 本专利技术还提供一种关键部位的故障检测装置，该装置包括: 采集模块，用于采集需要进行故障检测的列车图像； 分类模块，用于采用训练分类方法对所述列车图像进行处理，获取具有列车关键部位的区域图像； 匹配模块，用于利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果； 判断模块，用于依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。 优选的，所述分类模块包括: 第一预处理单元，用于对所述列车图像进行预处理，得到预处理后的列车图像； 第一特征提取单元，用于对所述预处理后的列车图像进行特征点定位，并采用局部特征提取方法对列车关键部位进行特征提取； 训练单元，用于利用神经网络训练方法对提取到的列车关键部位的特征进行训练，获取具有列车关键部位的区域图像，完成分类过程。 优选的，所述匹配模块包括: 第二预处理单元，用于对所述具有列车关键部位的区域图像进行预处理，得到预处理后的具有列车关键部位的区域图像； 第二特征提取单元，用于对所述预处理后的具有列车关键部位的区域图像进行特征点定位，并采用局部特征提取方法进行特征提取； 匹配单元，用于利用神经网络匹配方法将提取到的列车关键部位的特征，与预先存储的标准模板图像中的列车关键部位的特征进行匹配，获取匹配结果，完成匹配过程。 优选的，所述局部特征提取方法包括金字塔式局部特征提取方法。 本专利技术所提供的一种关键部位的故障检测方法及装置，通过采集需要进行故障检测的列车图像；采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像；利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果；依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。可以看到，本专利技术所提供一种关键部位的故障检测方法及装置，以对列车关键部位的图像的获取及分析检测代替现有技术的现场检测，即无需大量技术人员去现场检测，节约了大量的人力和物力，并且这种分析比对方式可通过电子设备自动实现，无需过多人工参与，检测过程简单、高效和客观。 【附图说明】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。 图1为本专利技术实施例一所提供的一种关键部位的故障检测方法的流程图； 图2为本专利技术实施例二所提供的一种关键部位的故障检测方法的部分流程图； 图3为本专利技术实施例三所提供的一种关键部位的故障检测方法的部分流程图； 图4为本专利技术实施例四所提供的一种关键部位的故障检测装置的结构示意图。 【具体实施方式】 本专利技术的核心是提供一种关键部位的故障检测方法及装置，以实现对列车关键部位的快速准确的故障检测，且节约大量人力物力。 为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。 实施例一 请参考图1，图1为本专利技术实施例所提供的一种关键部位的故障检测方法的流程图，该方法包括: 步骤SlOl:采集需要进行故障检测的列车图像； 步骤S102:采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像； 步骤S103:利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果； 步骤S104:依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。 本专利技术实施例所提供的一种关键部位的故障检测方法，通过采集需要进行故障检测的列车图像；采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像；利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹本文档来自技高网...

【技术保护点】
一种关键部位的故障检测方法，其特征在于，包括：采集需要进行故障检测的列车图像；采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像；利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果；依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。

【技术特征摘要】
1.一种关键部位的故障检测方法，其特征在于，包括: 采集需要进行故障检测的列车图像； 采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像； 利用特征匹配方法将所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果； 依据所述匹配结果判断所述具有列车关键部位的区域图像是否存在差异；若是，在所述具有列车关键部位的区域图像的差异位置进行标注，确定所述列车关键部位存在故障。2.如权利要求1所述的方法，其特征在于，所述采用训练分类方法对所述列车图像进行分类，获取具有列车关键部位的区域图像，包括: 对所述列车图像进行预处理，得到预处理后的列车图像； 对所述预处理后的列车图像进行特征点定位，并采用局部特征提取方法对列车关键部位进行特征提取； 利用神经网络训练方法对提取到的列车关键部位的特征进行训练，获取具有列车关键部位的区域图像，完成分类过程。3.如权利要求1所述的方法，其特征在于，所述利用特征匹配方法对所述具有列车关键部位的区域图像，与预先存储的标准模板图像进行匹配，获取匹配结果，包括: 对所述具有列车关键部位的区域图像进行预处理，得到预处理后的具有列车关键部位的区域图像； 对所述预处理后的具有列车关键部位的区域图像进行特征点定位，并采用局部特征提取方法对列车关键部位进行特征提取； 利用神经网络匹配方法对提取到的列车关键部位的特征，与预先存储的标准模板图像中的列车关键部位的特征进行匹配，获取匹配结果，完成匹配过程。4.如权利要求2或3所述的方法，其特征在于，所述局部特征提取方法包括金字塔式局部特征提取方法。5.如权利要求2所述的方法，其特征在于，所述神经网络训练方法包括层级记忆神经网络训练方法。...

【专利技术属性】
技术研发人员：赵全轲，高晓蓉，王泽勇，杨凯，彭建平，彭朝勇，张渝，梁斌，戴立新，马莉，廖伟，王邦平，
申请(专利权)人：成都铁安科技有限责任公司，
类型：发明
国别省市：四川;51