用于轨道列车的配件质量检测方法及装置制造方法及图纸

本发明专利技术提供一种用于轨道列车的配件质量检测方法，其包含：采集轨道列车上待检修配件的图像信息，并将图像信息上传至检测模型；通过检测模型，对图像信息进行内容特征提取以及风格特征提取，通过待检修配件上的识别点判断待检修配件是否合格，得到质量检测结果。本发明专利技术能够对轨道列车上的配件进行质量检测，构建了可以实时检测零件图像信息的检测模型。本发明专利技术提供了关键配件检测工作的机器辅助，对零部件特征自动化采集，为检测工作添加一道保障，减轻检测工作量，提高检测的准确率，降低漏检的可能性，简化拍摄存储留底等工作流程。

Quality inspection method and device of accessories for rail train

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进行迭代调优，得到所述检测模型。根据本专利技术的一个实施例，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。根据本专利技术的一个实施例，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；对于经过预定标签处理的配件图片信息进行标签化处理，得到带有标签的图片训练集。根据本专利技术的一个实施例，得到具有深度学习框架的检测模型的步骤中，还包含：对带有标签的图片训练集进行数据清洗；基于大数据框架，结合配件的检测角度范围构建初始检测模型；基于经过数据清洗后的图片训练集，对所述初始检测模型进行深度学习训练，得到具有深度学习框架的检测模型。根据本专利技术的一个实施例，对所述具有深度学习框架的检测模型进行迭代调优的步骤中，还包含：在不同的场景下，分别对具有深度学习框架的检测模型进行调优处理，其中，所述场景包含不同的配件故障情况。根据本专利技术的一个实施例，所述质量检测结果包含配件安装状态、卡控点状态以及错误类型。根据本专利技术的一个实施例，进行配件质量检测的情况包含：检修人员进行配件更换任务后，审核人员进行人工审核后。根据本专利技术的另一个方面，还提供了一种用于轨道列车的配件质量检测装置，所述装置包含：采集模块，其用于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；检测模型，其配置为：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。本专利技术提供的用于轨道列车的配件质量检测方法及装置，能够对轨道列车上的配件进行质量检测，构建了可以实时检测零件图像信息的检测模型。本专利技术提供了关键配件检测工作的机器辅助，对零部件特征自动化采集，为检测工作添加一道保障，减轻检测工作量，提高检测的准确率，降低漏检的可能性，简化拍摄存储留底等工作流程。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例共同用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法流程图；图2显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中构建检测模型的流程图；图3显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中得到配件图片信息的流程图；图4显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中得到带有标签的图片训练集的流程图；图5显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中得到具有深度学习框架的检测模型的流程图；图6显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中构建检测模型的示意图；图7显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法中训练检测模型的示意图；图8显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测装置中采集模块工作流程图；以及图9显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测装置结构框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，以下结合附图对本专利技术实施例作进一步地详细说明。图1显示了根据本专利技术的一个实施例的用于轨道列车的配件质量检测方法流程图。如图1所示，在步骤S101中，采集轨道列车上待检修配件的图像信息，并将图像信息上传至检测模型。在步骤S102中，通过检测模型，对图像信息进行内容特征提取以及风格特征提取，通过待检修配件上的识别点判断待检修配件是否合格，得到质量检测结果。在一个实施例中，通过如图2所示的方法，构建检测模型。如图2所示，在步骤S201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。优选地，可以通过如图3所示的方法得到配件图片信息。如图3所示，在步骤S301中，对采集到的图片进行筛选处理，其中，筛选处理包含：图像清晰度筛选以及关键点清晰度筛选。然后，在步骤S302中，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，将合格图片作为配件图片信息。如图2所示，在步骤S202中，对采集到的配件图片信息进行预处理，得到带有标签的图片训练集。优选地，可以通过如图4所示的方法得到带有标签的图片训练集。如图4所示，在步骤S401中，对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。然后，在步骤S402中，对于经过预定标签处理的配件图片信息进行标签化处理，得到带有标签的图片训练集。如图2所示，在步骤S203中，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。优选本文档来自技高网...

【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