一种轨道扣件的零件缺失检测方法及装置制造方法及图纸

本发明专利技术实施例公开一种轨道扣件的零件缺失检测方法及装置，方法包括：获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；将扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；将第二分辨率图像输入到第一神经网络模型，输出零件的分割图；若零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。本发明专利技术能实现对轨道扣件缺失的高精度检测，效果稳定高效。

A Method and Device for Detecting the Missing Parts of Track Fasteners

The embodiment of the present invention discloses a method and device for detecting the missing parts of track fasteners. The method includes: acquiring the original image of the target track fastener, which has the first resolution; reducing the original image of the fastener from the first resolution to the second resolution to form the second resolution image; inputting the second resolution image into the first neural network model and outputting zero. If the number of parts in the partition diagram is less than the predicted number of parts, the missing parts can be judged. The invention can realize high precision detection of rail fastener missing, and the effect is stable and efficient.

【技术实现步骤摘要】
一种轨道扣件的零件缺失检测方法及装置
本专利技术实施例涉及计算机视觉
，具体涉及一种轨道扣件的零件缺失检测方法及装置。
技术介绍
近年来，轨道交通因其具有大运量和快速安全等诸多优点得到了速猛的发展，给人们的生产生活带来极大便利。扣件是轨道结构的重要组成部分，它将钢轨和轨枕组合为轨排结构，承受列车载荷，抵抗纵横向作用力。同时它又是轨道弹性和几何调整能力的提供者，起到一定的减振降噪作用。目前，是通过人工巡检的方式对轨道扣件的缺失进行检测，效率低，劳动强度大，无法及时了解轨道各部件的状态。鉴于此，如何对轨道扣件的零件缺失进行高效、高精度的检测成为目前需要解决的技术问题。
技术实现思路
由于现有方法存在上述问题，本专利技术实施例提出一种轨道扣件的零件缺失检测方法及装置。第一方面，本专利技术实施例提出一种轨道扣件的零件缺失检测方法，包括：获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图；若所述零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。第二方面，本专利技术实施例还提出一种轨道扣件的零件缺失检测装置，其特征在于，包括：获取模块，用于获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；缩小模块，用于将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；输入模块，用于将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图；判断模块，用于当所述零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。第三方面，本专利技术实施例提供一种电子设备，包括：处理器、存储器、总线及存储在存储器上并可在第处理器上运行的计算机程序；其中，所述处理器，存储器通过所述总线完成相互间的通信；所述处理器执行所述计算机程序时实现上述方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述方法。第五方面，本专利技术实施例还提出另一种轨道扣件缺失检测方法，包括：获取目标轨道扣件的原始图像，从所述扣件的原始图像中获取所述零件的原始图像，所述原始图像具有第一分辨率；将所述零件的原始图像从第一分辨率缩小到第三分辨率，形成第三分辨率图像；将所述第三分辨率图像输入到第二神经网络模型，输出所述零件的分割图；统计所述零件分割图中，零件的响应亮度值；将所述零件的响应亮度值与预设的阈值进行比较，如果低于所述阈值，则判断所述零件缺失。第六方面，本专利技术实施例还提出另一种轨道扣件的零件缺失检测装置，包括：获取模块，用于获取目标轨道扣件的原始图像，从所述扣件的原始图像中获取所述零件的原始图像，所述原始图像具有第一分辨率；缩小模块，用于将所述零件的原始图像从第一分辨率缩小到第三分辨率，形成第三分辨率图像；输入模块，用于将所述第三分辨率图像输入到第二神经网络模型，输出所述零件的分割图；统计模块，用于统计所述零件分割图中，零件的响应亮度值；判断模块，用于将所述零件的响应亮度值与预设的阈值进行比较，如果低于所述阈值，则判断所述零件缺失。第七方面，本专利技术实施例还提供另一种电子设备，包括：处理器、存储器、总线及存储在存储器上并可在第处理器上运行的计算机程序；其中，所述处理器，存储器通过所述总线完成相互间的通信；所述处理器执行所述计算机程序时实现上述方法。第八方面，本专利技术实施例还提供另一种非暂态计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述方法。由上述技术方案可知，本专利技术实施例通过获取目标轨道扣件图像，将其尺寸缩小到预设第二分辨率后输入第一神经网络模型，使第一神经网络模型输出零件的分割图；若零件分割图中零件的数量比零件的预计数量少时，则判断零件缺失，由此，能够实现对轨道扣件的零件缺失进行高精度的检测，效果稳定高效。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一些实施例，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，还可以根据这些图获得其他的附图。图1为本专利技术第一实施例提供的一种轨道扣件的零件缺失检测方法的流程示意图；图2为本专利技术第一实施例提供的第一神经网络的模型结构示意图；图3为本专利技术第二实施例提供的一种轨道扣件的零件缺失检测方法的流程示意图；图4为本专利技术第二实施例提供的第二神经网络的模型结构示意图；图5为本专利技术第三实施例提供的一种轨道扣件的零件缺失检测装置的结构示意图；图6为本专利技术第四实施例提供的一种轨道扣件的零件缺失检测装置的结构示意图；图7为本专利技术第五实施例提供的电子设备的实体结构示意图。具体实施方式下面结合附图，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。轨道扣件由螺纹道钉螺帽、弹条和整个垫板组成，其中整个垫板的尺寸比螺纹道钉螺帽和弹条的尺寸都要大。在检测轨道扣件的零件缺失的过程中，首先要大量采集钢轨旁扣件的图片，图片中整个垫板的图像比螺纹道钉螺帽和弹条的图像都要清晰。本专利技术第一实施例说明了如何对整体垫板的图像进行检测，从而判断垫板是否缺失的过程。关于如何检测螺纹道钉螺帽或弹条是否缺失的过程，将在本专利技术第二实施例中进行说明。图1示出了本专利技术一实施例提供的一种轨道扣件的零件缺失检测方法的流程示意图，如图1所示，本实施例的轨道扣件缺失检测方法，包括：S101、获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率。S102、将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像。S103、将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图。S104、若所述零件分割图中零件的数量比零件的实际数量少时，则判断所述零件缺失。在本专利技术第一实施例中，假设获取的目标轨道扣件的原始图像分辨率为1024×1024(第一分辨率)，将1024×1024分辨率的目标轨道扣件图像直接输入神经网络要处理的数据量会很大，为避免大量消耗时间和计算资源，可以将所述目标轨道扣件图像的尺寸缩放到预设第二分辨率(如256×256)，这是整个垫板因为本身尺寸较大，特征也比较明显，直接用一个神经网络模型(第一神经网络模型)能够高精度高鲁棒的分割出来。通常，一个轨道扣件包含两个垫板，如果第一神经网络模型输出整个垫板的分割图中垫板的数量为一个时，则可以判断出垫板缺失。上述以一个轨道扣件为例，本领域技术人员可以理解，如果获取的原始图像中有多个扣件，则垫板的数量会更多，因此只要第一神经网络模型输出的垫板分割图中垫板的数量少于预计数量时，则可以判断出垫板缺失。本专利技术实施例通过获取目标轨道扣件图像，将其尺寸缩小到预设第二分辨率后输入第一神经网络模型，使第一神经网络模型输出整个垫板的分割图；若整个垫板的分割图中垫板的数量比预计垫板的数量少时，则判断垫板缺失，由此，能够实现对轨道扣件的零件缺失进行高精度的检测，效果稳定高效。在第一实施例中，在步骤S103之前，基于样本图像，通过预先训练获得所述第一神经网络模型，进一步本文档来自技高网...

【技术保护点】
1.一种轨道扣件的零件缺失检测方法，其特征在于，包括：获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图；若所述零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。

【技术特征摘要】
1.一种轨道扣件的零件缺失检测方法，其特征在于，包括：获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图；若所述零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。2.根据权利要求1所述的方法，其特征在于，所述零件为垫板整体。3.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型为卷积神经网络模型。4.根据权利要求3所述的方法，其特征在于，将所述第二分辨率图像输入到第一神经网络模型之前，基于样本图像，通过预先训练获得所述第一神经网络模型，包括：采集轨道扣件的图片；对轨道扣件的图片进行人工标注分割，获得标注有垫板整体区域的人工分割图，将所述垫板整体区域的人工分割图缩小到所述第二分辨率后作为样本图像；基于所述样本图像，通过均方差损失函数驱动深度神经网络进行学习，获得预先训练好的所述第一神经网络模型。5.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型输出所述垫板整体的分割图。6.根据权利要求5所述的方法，其特征在于，若所述垫板整体的分割图中所述垫板的数量少于预计的数量时，则判断所述垫板缺失。7.根据权利要求1所述的方法，其特征在于，所述第一分辨率为1024*1024，所述第二分辨率为256*256。8.一种轨道扣件的零件缺失检测装置，其特征在于，包括：获取模块，用于获取目标轨道扣件的原始图像，所述原始图像具有第一分辨率；缩小模块，用于将所述扣件的原始图像从第一分辨率缩小到第二分辨率，形成第二分辨率图像；输入模块，用于将所述第二分辨率图像输入到第一神经网络模型，输出所述零件的分割图；判断模块，用于当所述零件分割图中零件的数量比零件的预计数量少时，则判断所述零件缺失。9.一种轨道扣件的零件缺失检测方法，其特征在于，包括：获取目标轨道扣件的原始图像，从所述扣件的原始图像中获取所述零件的原始图像，所述原始图像具有第一分辨率；将所述零件的原始图像从第一分辨率缩小到第三分辨率，形成第三分辨率图像；将所述第三分辨率图像输入到第二神经网络模型，输出所述零件的分割图；统计所述零件分割图中，零件的响应亮度值；将所述零件的响应亮度值与预设的阈值进行比较，如果低于所述阈值，则判断所述零件缺失。10.根据权利要求9所述的方法，其特征在于，所述扣件由垫板、螺纹道钉螺帽和弹条组成，所述零件原始图像为所述垫板区域的图像，其包含所述螺纹道钉螺帽图像和所述弹条图像，所述零件的分割图为所述螺纹道钉螺帽的分割图，以及所述弹条的分割图。11.根据权利要求10所述的方法，其特征在于，所述统计所述零件分割图中零件的响应亮度值，进一步包括：根据所述螺纹道钉螺帽的分割图，统计所述螺纹道钉螺帽的响应亮度值；根据所述弹条的分割图，统计所...

【专利技术属性】
技术研发人员：黄永祯，曹春水，杨家辉，张俊峰，
申请(专利权)人：银河水滴科技北京有限公司，
类型：发明
国别省市：北京,11