【技术实现步骤摘要】
一种基于图像识别的地铁列车电气箱盖的故障检测方法
[0001]本专利技术涉及列车故障检测
，具体地说，涉及一种基于图像识别的地铁列车电气箱盖的故障检测方法。
技术介绍
[0002]近些年来，随着轨道交通事业的发展，中国轨道交通营业里程和列车数量不断增加，并且长期位于世界第一。列车的定期巡检是保证列车安全运行的关键，而如此多的检修列车数目给检修工作带来了极大的压力。目前，列车巡检工作仍高度依赖人工，列车底部关键零部件的故障检测需要依靠工人的肉眼对每一处部件进行检测。然而，这样检修的方式不仅效率低下，且可靠性差，会浪费大量的人力物力，因此，列车巡检工作迫切需要新的技术来实现高效率的维护。
[0003]随着计算机视觉领域相关技术的不断突破，基于计算机视觉的故障诊断技术得到了迅猛的发展，这为列车巡检工作的革新带来了一场新的革命。目前，计算机视觉主要应用在安防、自动驾驶、人脸识别等领域，这些领域的落地依赖于大量的相关样本。然而，列车巡检工作中存在大量的正常样本，故障样本却极其少见，这使得利用计算机视觉实现列车部件故障检测
【技术保护点】
【技术特征摘要】
1.一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：包括以下步骤：1)、通过线扫相机获取电气箱盖部件的数据集，即包含正样本的数据集用于后续的训练；通过线扫相机还获取一个包含负样本的故障数据集；2)、对数据集进行预处理，转换为伪彩色图；3)、用正样本的数据集用于Nanodet的训练；4)、当目标检测网络训练完成时，将长方形铭牌、三角形铭牌和锁扣从电气箱盖数据集中裁剪下来，保存为分类正样本集；并在电气箱盖负样本上经过翻转，加入噪声进行数据增强，对负样本的数目进行扩充，通过训练好的Nanodet神经网络对扩充后的负样本上的零部件进行定位，并将定位到的零部件进行裁剪，保存为分类负样本集；5)、使用keras自带的预训练的VGG16模型对各个类别的分类负样本集与分类正样本集一起训练，最终得到了三个分别用于检测长方形铭牌、三角形铭牌和锁扣的故障检测模型；6)、将待检测样本输入故障检测模型进行测试。2.根据权利要求1所述的一种基于图像识别的地铁列车电气箱盖的故障检测方法，其特征在于：步骤6)包括以下步骤：6.1...
【专利技术属性】
技术研发人员：黄德青，张宗泓，秦娜，刘龙凯，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
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。