铁路货车轴箱弹簧故障图像识别方法技术

一种铁路货车轴箱弹簧故障图像识别方法，属于铁路货车安全运行技术领域。本发明专利技术针对现有铁路货车轴箱弹簧采用人工识别图像的方式进行故障检测，可靠性差及效率低的问题。包括：获得轴箱弹簧样本图像；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中进行处理，获得分割结果；计算获得最优的权重系数，并在Mask R‑CNN网络中更新；获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的Mask R‑CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。本发明专利技术用于轴箱弹簧故障识别。

Image recognition method for axle box spring fault of railway freight car

【技术实现步骤摘要】
铁路货车轴箱弹簧故障图像识别方法
本专利技术涉及铁路货车轴箱弹簧故障图像识别方法，属于铁路货车安全运行

技术介绍
铁路货车的轴箱弹簧发生窜出或折断故障时，会造成车体倾斜，是一种危及行车安全的故障。目前，对于轴箱弹簧，采用人工的方式基于图像进行故障检测。人工检测的方式在图像的故障筛选过程中，极易出现身体疲劳，注意力不集中等状况，因此造成检查结果不可靠。另外，还可能由于个人主观因素，造成故障区域的漏检及错检。因此，这种人工检错的方式无法确保铁路货车的行车安全。随着深度学习与人工智能的不断发展，及在技术上的不断成熟，针对现有人工故障的检测方式，需要提供一种采用图像自动识别轴箱弹簧故障的方法，来提高故障检测的效率和稳定性。
技术实现思路
针对现有铁路货车轴箱弹簧采用人工识别图像的方式进行故障检测，可靠性差及效率低的问题，本专利技术提供一种铁路货车轴箱弹簧故障图像识别方法。本专利技术的一种铁路货车轴箱弹簧故障图像识别方法，包括以下步骤：步骤一：采集不同时间、地点、自然及人为条件下的轴箱弹簧灰度图像，并对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸，获得轴箱弹簧样本图像；所有轴箱弹簧样本图像形成弹簧样本数据集；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；步骤二：将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中，获得特征图，再由特征图获得多个相关的初始候选框；将初始候选框送入RPN网进行过滤，获得有效候选框；对所述有效候选框进行ROIAlign操作，获得固定大小的目标候选框；再对目标候选框进行分类、回归与FCN操作，获得分割结果；在逐次输入轴箱弹簧样本图像的迭代过程中，计算获得最优的权重系数，并在MaskR-CNN网络中更新；所述MaskR-CNN网络的特征提取采用Resnet50；步骤三：采集运行中货车轴箱弹簧图像，并进行处理，获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的MaskR-CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。根据本专利技术的铁路货车轴箱弹簧故障图像识别方法，所述图像识别方法还包括步骤四：对于步骤三中得出的轴箱弹簧间隙，若轴箱弹簧间隙大于或者等于预设正常间隙，则基于所述轴箱弹簧分割结果定位每层弹簧子图像，对每层弹簧子图像采用图像处理与模式识别方式判断每层弹簧是否有折断，并对有折断的当前层弹簧进行故障报警。根据本专利技术的铁路货车轴箱弹簧故障图像识别方法，步骤一中所述对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸后，还进行图像的数据扩增，获得轴箱弹簧样本图像。根据本专利技术的铁路货车轴箱弹簧故障图像识别方法，所述数据扩增包括：对图像的亮度增强、裁剪、饱和度调整、旋转、平移、缩放及镜像。根据本专利技术的铁路货车轴箱弹簧故障图像识别方法，所述步骤二中，计算获得最优的权重系数的过程包括：选定每个感兴趣区域的损失函数L为：L＝Lcls+Lboc+Lmask，其中Lcls为分类损失函数，Lboc为回归损失函数，Lmask为分割损失函数；经过损失函数L和优化器后，可获得新的权重系数。根据本专利技术的铁路货车轴箱弹簧故障图像识别方法，对于每次迭代获得的当前权重系数，与已有权重系数进行比较，若当前权重系数对应的损失函数小于已有权重系数对应的损失函数，则进行权重系数的更新，直到获得最优的权重系数。本专利技术的有益效果：本专利技术方法利用图像自动识别的方式代替人工检测，能够自动识别车辆的轴箱弹簧故障并报警，由于采用深度学习算法，作业标准统一，不再受检车员经验、理解及认知程度不同的影响，可提高检测效率与准确率。本专利技术方法将深度学习算法应用到轴箱弹簧故障自动识别中，可提高整体算法的稳定性及精度。将轴箱弹簧窜出与折断故障同时识别，可使整个方法减少读图等步骤，提高运行效率。由于轴箱弹簧中有很多弹簧实体，本专利技术方法能够有效避免语义分割造成的弹簧间隙不同实体的混淆分割对最终结果的影响。本专利技术方法根据轴箱弹簧的窜出与折断故障形态多数会造成弹簧间隙变小，弹簧被挤压的原理，通过先依据分割得出的弹簧间隙判断是否有故障，再细分每层弹簧，判断每层弹簧是否有折断故障的方式实现故障识别，可在提高故障识别效率的同时，避免漏检漏报。附图说明图1是本专利技术所述铁路货车轴箱弹簧故障图像识别方法的流程图；图2是所述权重系数的计算过程流程图。具体实施方式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作出创造性劳动的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。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。具体实施方式一、结合图1及图2所示，本专利技术提供了一种铁路货车轴箱弹簧故障图像识别方法，包括以下步骤：步骤一：采集不同时间、地点、自然及人为条件下的轴箱弹簧灰度图像，并对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸，获得轴箱弹簧样本图像；所有轴箱弹簧样本图像形成弹簧样本数据集；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；步骤二：将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中，获得特征图，再由特征图获得多个相关的初始候选框；将初始候选框送入RPN网进行过滤，获得有效候选框；对所述有效候选框进行ROIAlign操作，获得固定大小的目标候选框；再对目标候选框进行分类、回归与FCN操作，获得分割结果；在逐次输入轴箱弹簧样本图像的迭代过程中，计算获得最优的权重系数，并在MaskR-CNN网络中更新；所述MaskR-CNN网络的特征提取采用Resnet50；步骤三：采集运行中货车轴箱弹簧图像，并进行处理，获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的MaskR-CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。本实施方式中，轴箱弹簧灰度图像的获取方法为：在铁路货车轨道周围搭建高清成像设备，货车通过设备后，获取高清图像。所述高清图像即为灰度图像。高清成像设备的搭建位置需可获取货车两侧、底部、上部全方位的高清图像。由于铁路货车部件可能受到货物轻重、雨水、泥渍、油渍、白漆、黑漆、异物、冰雪、粉笔字等自然条件或者人为条件的影响。并且，不同站点拍摄的图像可能存在差异。因此，轴箱弹簧图像之间千差万别。所以，在收集原始轴箱弹簧灰度图像的过程中，要保证多样性，尽量将各种条件下的轴箱弹簧图像全部收集。所述弹簧样本数据集包括：粗定位灰度图像集与标本文档来自技高网...

【技术保护点】
1.一种铁路货车轴箱弹簧故障图像识别方法，其特征在于，包括以下步骤：/n步骤一：采集不同时间、地点、自然及人为条件下的轴箱弹簧灰度图像，并对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸，获得轴箱弹簧样本图像；所有轴箱弹簧样本图像形成弹簧样本数据集；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；/n步骤二：将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中，获得特征图，再由特征图获得多个相关的初始候选框；将初始候选框送入RPN网进行过滤，获得有效候选框；对所述有效候选框进行ROIAlign操作，获得固定大小的目标候选框；再对目标候选框进行分类、回归与FCN操作，获得分割结果；在逐次输入轴箱弹簧样本图像的迭代过程中，计算获得最优的权重系数，并在Mask R-CNN网络中更新；所述Mask R-CNN网络的特征提取采用Resnet50；/n步骤三：采集运行中货车轴箱弹簧图像，并进行处理，获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的Mask R-CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。/n...

【技术特征摘要】
1.一种铁路货车轴箱弹簧故障图像识别方法，其特征在于，包括以下步骤：
步骤一：采集不同时间、地点、自然及人为条件下的轴箱弹簧灰度图像，并对轴箱弹簧灰度图像中的弹簧区域进行粗定位，再统一为预设像素尺寸，获得轴箱弹簧样本图像；所有轴箱弹簧样本图像形成弹簧样本数据集；将每个轴箱弹簧样本图像进行图像分割标记，区分为弹簧区、弹簧上邻近部件区、弹簧下邻近部件区；
步骤二：将轴箱弹簧样本图像与分割标记均输入到Resnet50网络中，获得特征图，再由特征图获得多个相关的初始候选框；将初始候选框送入RPN网进行过滤，获得有效候选框；对所述有效候选框进行ROIAlign操作，获得固定大小的目标候选框；再对目标候选框进行分类、回归与FCN操作，获得分割结果；在逐次输入轴箱弹簧样本图像的迭代过程中，计算获得最优的权重系数，并在MaskR-CNN网络中更新；所述MaskR-CNN网络的特征提取采用Resnet50；
步骤三：采集运行中货车轴箱弹簧图像，并进行处理，获得待识别轴箱弹簧图像；将待识别轴箱弹簧图像输入至训练好的MaskR-CNN网络中，预测后并计算获得轴箱弹簧间隙，当所述轴箱弹簧间隙小于预设正常间隙时，进行故障报警。


2.根据权利要求1所述的铁路货车轴箱弹簧故障图像识别方法，其特征在于，所述图像识别方法还包括步骤四：
对于步骤三中得出的轴箱弹簧间隙，若轴箱弹簧间隙大于...

【专利技术属性】
技术研发人员：刘丹丹，
申请(专利权)人：哈尔滨市科佳通用机电股份有限公司，
类型：发明
国别省市：黑龙;23