一种铁路列车防尘帽破损故障的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铁路列车防尘帽破损故障的检测方法及装置，所述方法包括：获得防尘帽的图像块；根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型；根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障；如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；对所述第一位置图像块进行垂直方向投影，获得投影曲线最小值；获得破损预定阈值；判断所述投影曲线最小值是否大于所述破损预定阈值；如果所述投影曲线最小值不大于所述破损预定阈值，确定所述防尘帽存在破损故障。实现了智能化检测防尘帽破损故障，提高了列检效率和准确率，降低列车运行成本的技术效果。

【技术实现步骤摘要】
一种铁路列车防尘帽破损故障的检测方法及装置
本申请涉及计算机视觉和图像识别
，尤其涉及一种铁路列车防尘帽破损故障的检测方法及装置。
技术介绍
为了保证铁路列车的安全性，通常需要对铁路列车进行故障检测，防尘帽是列车基础制动缸装置中的部件，防尘帽的故障将会影响列车的制动缸的寿命，进而影响到列车的安全运行。但本申请专利技术人在实现本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：现有技术中通常由经验丰富的列检人员来检测防尘帽是否存在丢失、破损、有覆盖物等故障，因而存在人工列检效率较低，增加列车的运行成本，智能化程度低的技术问题。申请内容本申请实施例通过提供一种铁路列车防尘帽破损故障的检测方法及装置，用以解决通常由经验丰富的列检人员来检测防尘帽是否存在丢失、破损、有覆盖物等故障，因而存在人工列检效率较低，增加列车的运行成本，智能化程度低的技术问题。实现了智能化检测防尘帽破损故障，提高了列检效率和准确率，降低列车运行成本的技术效果。为了解决上述问题，第一方面，本申请实施例提供了一种铁路列车防尘帽破损故障的检测方法，所述方法包括：根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块；根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型；根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障；如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；对所述第一位置图像块进行垂直方向投影，获得投影曲线最小值；获得破损预定阈值；判断所述投影曲线最小值是否大于所述破损预定阈值；如果所述投影曲线最小值不大于所述破损预定阈值，确定所述防尘帽存在破损故障。优选的，所述根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块之前，包括：获取车轮区域图像块；对所述车轮区域图像块进行分类，获得车轮区域数据集；当所述车轮区域数据集达到所述第一预设值时，利用支持向量机获取所述车轮区域数据集的分类特征；分别根据所述分类特征，获得车轮类型识别模型；根据所述车轮类型识别模型，获得铁路列车的车轮类型；根据所述铁路列车的车轮类型，判断所述铁路列车车型是否包含防尘帽。优选的，所述根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块，包括：根据铁路列车的车轮的先验信息，获得第一定位车轮区域图像；根据粗定位车轮区域与闸片装置位置区域的先验关系，获得第一定位闸片装置区域图像块；对所述第一定位闸片装置区域图像块进行样本采集，截取所述第一定位闸片装置目标前景，获得闸片装置目标图像正样本集；截取闸片装置目标背景，获得闸片装置目标图像负样本集；根据所述支持向量机方法，分别获得所述闸片装置目标图像正样本集和所述闸片装置目标图像负样本集的分类特征；分别根据所述分类特征，获得闸片定位与识别模型；根据所述闸片定位与识别模型，对所述第一定位闸片装置区域图像进行定位与识别，获得第二定位闸片装置区域图像；根据第二定位闸片装置区域与防尘帽区域的相关位置先验信息，获取所述防尘帽的图像块。优选的，所述根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型，包括：对所述防尘帽的图像块进行分类，获得所述防尘帽的图像块的目标类型；获得防尘帽存在区域数据集和防尘帽丢失数据集；分别提取所述防尘帽存在区域数据集和所述防尘帽丢失数据集的HOG特征；将所述防尘帽存在区域数据集和所述防尘帽丢失数据集的HOG特征作为输入数据；利用支持向量机方法获得所述防尘帽丢失故障诊断模型。优选的，所述根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障，包括：根据所述防尘帽丢失故障诊断模型判断所述防尘帽的图像块的目标类型是否为1：如果所述目标类型为1，确定所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；如果所述目标类型不为1，确定所述防尘帽出现丢失故障。优选的，所述对如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块之前，包括：对所述防尘帽的图像块进行预处理，其中，所述预处理的公式为：其中，Imax、Imin为预先计算的上下边界值。优选的，所述对如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块之前，还包括：对所述防尘帽的图像块进行数学形态学腐蚀处理，其中，所述数学形态学腐蚀处理的公式为：g(x,y)＝erode[f(x,y),B]＝min{f(x+x',y+y')-B(x',y')|(x',y')∈Db}其中，g(x,y)为腐蚀后的灰度图像；f(x,y)为原灰度图像；B为结构元素；对所述数学形态学腐蚀处理后的防尘帽的图像块进行自适应阈值二值化处理；获得第一位置图像块。第二方面，本申请实施例还提供了一种铁路列车防尘帽破损故障的检测装置，所述装置包括：第一获得单元，所述第一获得单元用于根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块；第一构建单元，所述第一构建单元用于根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型；第一判断单元，所述第一判断单元用于根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障；第二获得单元，所述第二获得单元用于如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；第三获得单元，所述第三获得单元用于对所述第一位置图像块进行垂直方向投影，获得投影曲线最小值；第四获得单元，所述第四获得单元用于获得破损预定阈值；第二判断单元，所述第二判断单元用于判断所述投影曲线最小值是否大于所述破损预定阈值；第一确定单元，所述第一确定单元用于如果所述投影曲线最小值不大于所述破损预定阈值，确定所述防尘帽存在破损故障。优选的，所述装置还包括：第五获得单元，所述第五获得单元用于获取车轮区域图像块；第六获得单元，所述第六获得单元用于对所述车轮区域图像块进行分类，获得车轮区域数据集；第七获得单元，所述第七获得单元用于当所述车轮区域数据集达到所述第一预设值时，利用支持向量机获取所述车轮区域数据集的分类特征；第八获得单元，所述第八获得单元用于分别根据所述分类特征，获得车轮类型识别模型；第九获得单元，所述第九获得单元用于根据所述车轮类型识别模型，获得铁路列车的车轮类型；第三判断单元，所述第三判断单元用于根据所述铁路列车的车轮类型，判断所述铁路列车车型是否包含防尘帽。优选的，所述第一获得单元包括：第九获得单元，所述第九获得单元用于根据铁路列车的车轮的先验信息，获得第一定位车轮区域图像；第十获得单元，所述第十获得单元用于根据粗定位车轮区域与闸片装置位置区域的先验关系，获得第一定位闸片装置区域图像块；第十一获得单元，所述第十一获得单元用于对所述第一定位闸片装置区域图像块进行样本采集，截取所述第一定位闸片装置目标前景，获得闸片装置目标图像正样本集；第十二获得单元，所述第十二获得单元用于截取闸片装置目标背景，获得闸片装置目标图像负样本集；第十三获得单元，所述第十三获得单元用于根据所述支持向量机方法，分别获得所述闸片装置目标图像正样本集和所述闸片装置目标图像负样本集的分类特征；第十四获得单元，所述第十四获得单元用于分别根据所述分类特征，获得闸片定位与识别模型；第十五获得单元，所述第十五获得单元用于根据所述闸片定位与识别模型，对所述第本文档来自技高网...

【技术保护点】
1.一种铁路列车防尘帽破损故障的检测方法，其特征在于，所述方法包括：根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块；根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型；根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障；如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；对所述第一位置图像块进行垂直方向投影，获得投影曲线最小值；获得破损预定阈值；判断所述投影曲线最小值是否大于所述破损预定阈值；如果所述投影曲线最小值不大于所述破损预定阈值，确定所述防尘帽存在破损故障。

【技术特征摘要】
1.一种铁路列车防尘帽破损故障的检测方法，其特征在于，所述方法包括：根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块；根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型；根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障；如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；对所述第一位置图像块进行垂直方向投影，获得投影曲线最小值；获得破损预定阈值；判断所述投影曲线最小值是否大于所述破损预定阈值；如果所述投影曲线最小值不大于所述破损预定阈值，确定所述防尘帽存在破损故障。2.如权利要求1所述的方法，其特征在于，所述根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块之前，包括：获取车轮区域图像块；对所述车轮区域图像块进行分类，获得车轮区域数据集；当所述车轮区域数据集达到所述第一预设值时，利用支持向量机获取所述车轮区域数据集的分类特征；分别根据所述分类特征，获得车轮类型识别模型；根据所述车轮类型识别模型，获得铁路列车的车轮类型；根据所述铁路列车的车轮类型，判断所述铁路列车车型是否包含防尘帽。3.如权利要求1所述的方法，其特征在于，所述根据支持向量机方法定位防尘帽位置，获得防尘帽的图像块，包括：根据铁路列车的车轮的先验信息，获得第一定位车轮区域图像；根据粗定位车轮区域与闸片装置位置区域的先验关系，获得第一定位闸片装置区域图像块；对所述第一定位闸片装置区域图像块进行样本采集，截取所述第一定位闸片装置目标前景，获得闸片装置目标图像正样本集；截取闸片装置目标背景，获得闸片装置目标图像负样本集；根据所述支持向量机方法，分别获得所述闸片装置目标图像正样本集和所述闸片装置目标图像负样本集的分类特征；分别根据所述分类特征，获得闸片定位与识别模型；根据所述闸片定位与识别模型，对所述第一定位闸片装置区域图像进行定位与识别，获得第二定位闸片装置区域图像；根据第二定位闸片装置区域与防尘帽区域的相关位置先验信息，获取所述防尘帽的图像块。4.如权利要求1所述的方法，其特征在于，所述根据所述防尘帽的图像块和支持向量机方法，构建防尘帽丢失故障诊断模型，包括：对所述防尘帽的图像块进行分类，获得所述防尘帽的图像块的目标类型；获得防尘帽存在区域数据集和防尘帽丢失数据集；分别提取所述防尘帽存在区域数据集和所述防尘帽丢失数据集的HOG特征；将所述防尘帽存在区域数据集和所述防尘帽丢失数据集的HOG特征作为输入数据；利用支持向量机方法获得所述防尘帽丢失故障诊断模型。5.如权利要求4所述的方法，其特征在于，所述根据所述防尘帽丢失故障诊断模型，判断所述防尘帽是否出现丢失故障，包括：根据所述防尘帽丢失故障诊断模型判断所述防尘帽的图像块的目标类型是否为1：如果所述目标类型为1，确定所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块；如果所述目标类型不为1，确定所述防尘帽出现丢失故障。6.如权利要求1所述的方法，其特征在于，所述对如果所述防尘帽没有出现丢失故障，从所述防尘帽的图像块中获得第一位置图像块之前，包括：对所...

【专利技术属性】
技术研发人员：李秀花，严明君，陈伯胜，别旭辉，
申请(专利权)人：武汉华目信息技术有限责任公司，
类型：发明
国别省市：湖北,42