铁路货车转向架侧架断裂故障图像识别方法技术

一种铁路货车转向架侧架断裂故障图像识别方法，属于铁路货车转向架安全技术领域。本发明专利技术针对现有铁路货车转向架的侧架断裂检测采用人工的方式进行，可靠性差的问题。包括采集运行中货车转向架侧架的原始灰度图像，确定每张灰度图像的侧架区域，对侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；对卷积神经网络inceptionv2及卷积神经网络Faster rcnn进行训练，获得训练好的inceptionv2模型及Faster rcnn模型；利用训练好的inceptionv2模型及Faster rcnn模型对待检测图像进行处理，获得对应的侧架状态预测结果，实现故障识别。本发明专利技术用于转向架侧架断裂识别。

Image recognition method for side frame fracture of railway freight car bogie

【技术实现步骤摘要】
铁路货车转向架侧架断裂故障图像识别方法
本专利技术涉及铁路货车转向架侧架断裂故障图像识别方法，属于铁路货车转向架安全

技术介绍
铁路货车转向架的侧架断裂故障是一种危及行车安全的故障，若不能及时在故障发生前对断裂位置进行处理，很容易发生安全事故。目前，对侧架断裂的检测中，需要首先获取侧架图像，然后采用人工的方式对图像进行检测，判断侧架是否发生断裂。由于检车人员在对大量图像进行检测的过程中极易发生疲劳、遗漏等人为因素而可能造成漏检、错检状况的发生，因此这种判断方式的可靠性及效率均会受到影响，进而影响货车的行车安全。随着深度学习与人工智能的不断发展及技术上的不断成熟，其对图像信息进行处理的技术手段越来越可靠；因而，需要提供一种采用深度学习进行侧架故障识别的技术，从而提高侧架断裂故障识别的准确率及稳定性。
技术实现思路
针对现有铁路货车转向架的侧架断裂检测采用人工的方式进行，可靠性差的问题，本专利技术提供一种铁路货车转向架侧架断裂故障图像识别方法。本专利技术的一种铁路货车转向架侧架断裂故障图像识别方法，它包括以下步骤：步骤一：采集运行中货车转向架侧架的原始灰度图像，根据货车转向架轴距信息及位置信息，确定每张灰度图像的侧架区域，并对所述侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；步骤二：采用所述样本数据集对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练，获得训练好的inceptionv2模型及Fasterrcnn模型；步骤三：利用训练好的inceptionv2模型及Fasterrcnn模型对待检测图像进行处理，获得对应的侧架状态预测结果，实现故障识别。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，对所述侧架区域进行预处理包括：对所述侧架区域进行数据扩增，并提高对比度。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述数据扩增的形式包括以下至少一种：对提高对比度后的侧架区域进行旋转、平移、缩放和镜像。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述标记信息包括：图像名称、检测类别及侧架区域样本图像中目标区域的左上角及右下角坐标。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述检测类别包括断裂、水流、粉笔及阴影中至少一类。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述卷积神经网络inceptionv2及卷积神经网络Fasterrcnn采用COCO模型参数进行网络参数初始化。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述侧架区域样本图像输入卷积神经网络inceptionv2中进行特征提取，获得低维特征图。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，所述低维特征图输入卷积神经网络Fasterrcnn的RPN层，生成所述目标区域的多个侯选框，将每个侯选框的图像类别区分为前景和后景，并对侯选框的位置进行回归调节；将得到的每个前景候选框使用ROIPooling层均匀分成9*9块，对每块进行maxpooling处理；并将所有前景候选框变换为相同大小的数据送入全连接层，进行最终目标区域检测类别分类及目标区域的侯选框位置回归。根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，在对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练的过程中，侧架区域样本图像的损失函数L({pi},{ti})定义如下：式中，pi是不同检测类别的分类概率，ti＝{tx,ty,tw,th}是一个向量，表示候选框的偏移量，tx为x轴坐标偏移量，ty为y轴坐标偏移量，tw为候选框宽度偏移量，th为候选框高度偏移量，Ncls为样本数据总数，i为检测类别，λ为分类损失与回归损失的比例权衡参数，是与ti维度相同的向量，表示候选框对目标区域标记框的偏移量；Nreg为回归侯选框个数；其中目标预测的分类损失函数Lcls(pi)采用FocalLoss，定义如下：式中αi为样本调节比例，αi∈[0，1]，γ为正数；回归预测的位置损失函数为：设定则根据本专利技术所述的铁路货车转向架侧架断裂故障图像识别方法，将步骤三中预测结果为断裂的待检测图像进行二值化，使断裂部分的像素值为1，非断裂部分的像素值为0；对断裂部分对照原始待检测图像进行掩膜，判断掩膜区域的平均像素，若平均像素低于设定像素阈值，则识别为故障，并进行报警。本专利技术的有益效果：本专利技术方法基于深度学习检测网络，对获取图像中侧架部件的断裂情况进行检测。它首先基于样本数据对inceptionv2和Fasterrcnn网络进行训练，获得相应的网络模型，然后基于所述模型对待检测图像进行处理，实现故障识别。本专利技术方法获得的卷积神经网络模型根据先验知识使用高级图像处理算法和模式识别方法对待检测图像进行故障分析，判断其是否发生断裂。对侧架图像上发生断裂的区域可进行上传报警，以方便工作人员依据报警位置进行相应的及时处理。本专利技术对侧架断裂情况可进行可靠的预测，从而可保证铁路货车的安全运行。本专利技术方法可有效提高断裂检测的准确率。附图说明图1是本专利技术所述铁路货车转向架侧架断裂故障图像识别方法的流程图；图2是卷积神经网络inceptionv2及卷积神经网络Fasterrcnn训练过程中，权重系数的计算流程图；图3是获得inceptionv2及Fasterrcnn模型的训练流程图；图4是对待检测图像进行处理的流程图。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所示，本专利技术提供了一种铁路货车转向架侧架断裂故障图像识别方法，它包括以下步骤：步骤一：采集运行中货车转向架侧架的原始灰度图像，根据货车转向架轴距信息及位置信息，确定每张灰度图像的侧架区域，并对所述侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；步骤二：采用所述样本数据集对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练，获得训练好的inceptionv2模型及Fasterrcn本文档来自技高网...

【技术保护点】
1.一种铁路货车转向架侧架断裂故障图像识别方法，其特征在于，它包括以下步骤：/n步骤一：采集运行中货车转向架侧架的原始灰度图像，根据货车转向架轴距信息及位置信息，确定每张灰度图像的侧架区域，并对所述侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；/n步骤二：采用所述样本数据集对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练，获得训练好的inceptionv2模型及Faster rcnn模型；/n步骤三：利用训练好的inceptionv2模型及Faster rcnn模型对待检测图像进行处理，获得对应的侧架状态预测结果，实现故障识别。/n

【技术特征摘要】
1.一种铁路货车转向架侧架断裂故障图像识别方法，其特征在于，它包括以下步骤：
步骤一：采集运行中货车转向架侧架的原始灰度图像，根据货车转向架轴距信息及位置信息，确定每张灰度图像的侧架区域，并对所述侧架区域进行预处理获得侧架区域样本图像，将所有侧架区域样本图像形成样本图像集，对每张侧架区域样本图像配置标记信息形成标记文件，基于样本图像集和标记文件构成样本数据集；
步骤二：采用所述样本数据集对卷积神经网络inceptionv2及卷积神经网络Fasterrcnn进行训练，获得训练好的inceptionv2模型及Fasterrcnn模型；
步骤三：利用训练好的inceptionv2模型及Fasterrcnn模型对待检测图像进行处理，获得对应的侧架状态预测结果，实现故障识别。


2.根据权利要求1所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，
对所述侧架区域进行预处理包括：
对所述侧架区域进行数据扩增，并提高对比度。


3.根据权利要求2所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，所述数据扩增的形式包括以下至少一种：
对提高对比度后的侧架区域进行旋转、平移、缩放和镜像。


4.根据权利要求3所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，
所述标记信息包括：
图像名称、检测类别及侧架区域样本图像中目标区域的左上角及右下角坐标。


5.根据权利要求4所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，
所述检测类别包括断裂、水流、粉笔及阴影中至少一类。


6.根据权利要求5所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，
所述卷积神经网络inceptionv2及卷积神经网络Fasterrcnn采用COCO模型参数进行网络参数初始化。


7.根据权利要求6所述的铁路货车转向架侧架断裂故障图像识别方法，其特征在于，
所述侧架区域样...

【专利技术属性】
技术研发人员：付德敏，
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