The invention provides an accessory quality detection method for a rail train, which includes: collecting image information of the accessories to be repaired on the rail train and uploading the image information to the detection model; extracting content feature and style feature of the image information through the detection model, judging whether the accessories to be repaired are qualified through the identification points on the accessories to be repaired, and obtaining the quality Test results. The invention can detect the quality of the accessories on the rail train, and constructs a detection model which can detect the image information of the parts in real time. The invention provides machine assistance for key parts detection, automatic collection of parts features, adding a guarantee for detection, reducing detection workload, improving detection accuracy, reducing the possibility of missing detection, simplifying the working process of photographing, storing and keeping the bottom.
【技术实现步骤摘要】
用于轨道列车的配件质量检测方法及装置
本专利技术涉及质量监测领域,具体地说,涉及一种用于轨道列车的配件质量检测方法及装置。
技术介绍
机车的检修及运用中,对关键配件的检测十分严格,人工检测工作量非常大,但是人工检测始终存在惯性思维导致的误检、漏检风险。动车关键部件在动车行驶过程中,起着至关重要的作用,关系到乘客的生命财产安全。目前动车组关键配件的检测技术依赖于人工的审核,依靠多道人工审核工序,结合拍摄照片留底,保障配件安装的合格性,缺少智能检测环节,现有技术中,并不存在完善的、高效的、可实际应用的动车组零件检测方法。因此,本专利技术提供了一种用于轨道列车的配件质量检测方法及装置。
技术实现思路
为解决上述问题,本专利技术提供了一种用于轨道列车的配件质量检测方法,所述方法包含以下步骤:采集所述轨道列车上待检修配件的图像信息,并将所述图像信息上传至检测模型;通过所述检测模型,对所述图像信息进行内容特征提取以及风格特征提取,通过所述待检修配件上的识别点判断所述待检修配件是否合格,得到质量检测结果。根据本专利技术的一个实施例,所述方法还包含:构建所述检测模型,其中:进行前期图片采集,通过图像采集设备,采集图片质量符合要求的多角度的配件图片信息;对采集到的所述配件图片信息进行预处理,得到带有标签的图片训练集;基于带有标签的图片训练集,对初始检测模型进行训练,得到具有深度学习框架的检测模型;针对场景的变化衍生,对具有深度学习框架的检测模型 ...
【技术保护点】
1.一种用于轨道列车的配件质量检测方法,其特征在于,所述方法包含以下步骤:/n采集所述轨道列车上待检修配件的图像信息,并将所述图像信息上传至检测模型;/n通过所述检测模型,对所述图像信息进行内容特征提取以及风格特征提取,通过所述待检修配件上的识别点判断所述待检修配件是否合格,得到质量检测结果。/n
【技术特征摘要】
1.一种用于轨道列车的配件质量检测方法,其特征在于,所述方法包含以下步骤:
采集所述轨道列车上待检修配件的图像信息,并将所述图像信息上传至检测模型;
通过所述检测模型,对所述图像信息进行内容特征提取以及风格特征提取,通过所述待检修配件上的识别点判断所述待检修配件是否合格,得到质量检测结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包含:构建所述检测模型,其中:
进行前期图片采集,通过图像采集设备,采集图片质量符合要求的多角度的配件图片信息;
对采集到的所述配件图片信息进行预处理,得到带有标签的图片训练集;
基于带有标签的图片训练集,对初始检测模型进行训练,得到具有深度学习框架的检测模型;
针对场景的变化衍生,对具有深度学习框架的检测模型进行迭代调优,得到所述检测模型。
3.如权利要求2所述的方法,其特征在于,得到所述配件图片信息的步骤中,还包含:
对采集到的图片进行筛选处理,其中,所述筛选处理包含:图像清晰度筛选以及关键点清晰度筛选;
将经过筛选处理后的图片进行分割处理,基于图像清晰度要求以及关键点清晰度要求分割为合格图片以及不合格图片,将所述合格图片作为所述配件图片信息。
4.如权利要求2所述的方法,其特征在于,得到带有标签的图片训练集的步骤中,还包含:
对所述配件图片信息进行约定标签处理,确定图片中的零件整体轮廓以及检测点位置;...
【专利技术属性】
技术研发人员:孙稳晋,郑敏,
申请(专利权)人:上海离原工程自动化有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。