一种机车小尺度零部件丢失的智能检测系统技术方案

本发明专利技术公开了一种机车小尺度零部件丢失的智能检测系统，涉及光学设计、机器视觉和智能分析于一体的技术领域。包括采集设备、服务器及高清显示设备，采集设备通过网络数据线与服务器的输入端相连接，服务器通过HDMI接口与高清显示设备相连接。该机车小尺度零部件丢失的智能检测系统，通过复杂的算法准确定位并分析机车小尺度部件，可快速定位故障，从而提高故障报警率和减少误报率，运营成本较低，可节约大量人力和时间，拥有人为无法比拟的准确率和误报率；不仅用于检测铁轨列车底部小尺度零部件，只需对数据集修改，即可完成诸如大型检测设备的小尺度零部件缺失、大型建筑物关键部位缺失的智能检测，具有很好的推广价值。具有很好的推广价值。

【技术实现步骤摘要】
一种机车小尺度零部件丢失的智能检测系统


[0001]本专利技术涉及光学设计、机器视觉和智能分析于一体的
，具体为一种机车小尺度零部件丢失的智能检测系统。

技术介绍

[0002]随着人工智能的发展，越来越多的技术被运用在智能检测领域，其中包括机车安全检测，机车安全至关重要，任何一个重要零部件的缺失就可能对生命安全造成不可挽回的影响，传统查找零部件的方法是运用大量人工观看图片，从无数个部件中通过对比的方法找出极少的故障。
[0003]现在的机车小尺度分析没有提供智能分析、故障分类、存储、检索以及查询的工作，仅依靠人工完成以上任何一项工作都需要浪费大量的人力物力以及时间，并且由于人个体性差异、环境等的影响，人工在识别和统计故障时非常容易产生误差，导致无法精确定位到故障，想要以最快速度以及更高准确率定位到故障并上报，人工的方式显然已经达不到当前技术发展的需求，所以运用智能分析的技术来实现智能分析、故障分类、存储、检索以及查询工作已逐渐成为研究热点。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种机车小尺度零部件丢失的智能检测系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种机车小尺度零部件丢失的智能检测系统，包括采集设备、服务器及高清显示设备，所述采集设备通过网络数据线与服务器的输入端相连接，所述服务器通过HDMI接口与高清显示设备相连接；
[0006]所述采集设备包括光学补光器件与工业级高速CCD，所述光学补光器件与工业级高速CCD均安装于机车底部；
[0007]所述服务器包括处理模块与存储模块，所述采集设备将采集到的图像输入到处理模块上通过算法分析图片小尺度零部件，所述存储模块用于存储先验信息数据和历史数据。
[0008]进一步优化本技术方案，所述光学补光器件为机车部位单独补光，所述工业级高速CCD为面阵高清CCD。
[0009]进一步优化本技术方案，所述工业级高速CCD采集高分辨率图像，通过网线传输到服务器，并在高清显示设备显示。
[0010]进一步优化本技术方案，所述处理模块包括智能分析模块和图像比对模块，运用算法模型形成初步故障ID1和初步故障ID2，最后通过ID1和ID2互相补充优化，计算得出高准确率和低误报率的故障预警ID。
[0011]进一步优化本技术方案，所述智能分析模块的处理步骤包括：
[0012]S1、将列车图片等分切割；
[0013]S2、获取零部件先验信息；
[0014]S3、训练超分辨率重建模型，用超分辨率重建恢复模糊图片分辨率；
[0015]S4、训练yolov4小目标检测模型，通过检测的方法，判断小零部件是否出现故障，输出初步故障ID1。
[0016]进一步优化本技术方案，所述图像比对模块的处理步骤包括：
[0017]S1、将列车图片等分切割；
[0018]S2、获取零部件先验信息；
[0019]S3、训练超分辨率重建模型，用超分辨率重建恢复模糊图片分辨率；
[0020]S4、训练孪生网络模型，比对图片是否出现故障以及判断输出故障类型；
[0021]S5、输出初步故障ID2。
[0022]进一步优化本技术方案，所述处理模块的算法处理模型包含超分辨率重建模型、小目标检测模型以及孪生网络比对模型。
[0023]进一步优化本技术方案，所述超分辨率重建模型的处理步骤包括：
[0024]S1、收集不同时刻的列车同车段的清晰图片和模糊图片；
[0025]S2、运用图片旋转、添加噪声、剪切的方法，对收集到的图像进行数据集扩充；
[0026]S3、运用SRN超分辨率重建模型训练；
[0027]S4、将模糊图像输入到重建模型恢复图像分辨率。
[0028]进一步优化本技术方案，所述小目标检测模型的处理步骤包括：
[0029]S1、拍摄不同时刻列车数据；
[0030]S2、采用矩形框标注的方法，对小零部件标注；
[0031]S3、训练YOLOv4小目标检测模型；
[0032]S4、将待检测图像输入到检测模型中，检测小尺度零部件。
[0033]进一步优化本技术方案，所述孪生网络比对模型的处理步骤包括：
[0034]S1、收集不同时刻，同车段的图像作为同类数据；
[0035]S2、运用孪生网络训练对比模型；
[0036]S3、将实时拍摄到的图像输入到比对模型中，结合先验信息判断列车是否有零件缺失。
[0037]进一步优化本技术方案，所述高清显示设备为人机交互高清显示器，用于当采集到机车图片时，通过算法分析得到具有高准确率和低误报率的结果，通过界面显示故障类型、故障图片。
[0038]与现有技术相比，本专利技术提供了一种机车小尺度零部件丢失的智能检测系统，具备以下有益效果：
[0039]1、该机车小尺度零部件丢失的智能检测系统，通过复杂的算法准确定位并分析机车小尺度部件，可快速定位故障，从而提高故障报警率和减少误报率，运营成本较低，可节约大量人力和时间，拥有人为无法比拟的准确率和误报率。
[0040]2、该机车小尺度零部件丢失的智能检测系统，高清显示设备设计了一套便于人机交互的界面，操作者会实时得到故障信息，并可通过界面按键操控追踪历史信息，锁定故障类型、定位故障位置。
[0041]3、该机车小尺度零部件丢失的智能检测系统，不仅用于检测铁轨列车底部小尺度
零部件，只需对数据集修改，即可完成诸如大型检测设备的小尺度零部件缺失、大型建筑物关键部位缺失的智能检测，具有很好的推广价值。
附图说明
[0042]图1为本专利技术提出的一种机车小尺度零部件丢失的智能检测系统的控制系统示意图；
[0043]图2为本专利技术提出的一种机车小尺度零部件丢失的智能检测系统的处理模块的处理流程图；
[0044]图3为本专利技术提出的一种机车小尺度零部件丢失的智能检测系统的算法处理流程图。
具体实施方式
[0045]下面将结合本专利技术的实施例，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做出创造性劳动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。
[0046]请参考图1-图3所示，包括采集设备、服务器及高清显示设备，所述采集设备通过网络数据线与服务器的输入端相连接，所述服务器通过HDMI接口与高清显示设备相连接；
[0047]所述采集设备包括光学补光器件与工业级高速CCD，所述光学补光器件与工业级高速CCD均安装于机车底部；
[0048]所述服务器包括处理模块与存储模块，所述采集设备将采集到的图像输入到处理模块上通过算法分析图片小尺度零部件，所述存储模块用于存储先验信息数据和历史数据，将采集到的机车数据、分析数据等，设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机车小尺度零部件丢失的智能检测系统，包括采集设备、服务器及高清显示设备，其特征在于，所述采集设备通过网络数据线与服务器的输入端相连接，所述服务器通过HDMI接口与高清显示设备相连接；所述采集设备包括光学补光器件与工业级高速CCD，所述光学补光器件与工业级高速CCD均安装于机车底部；所述服务器包括处理模块与存储模块，所述采集设备将采集到的图像输入到处理模块上通过算法分析图片小尺度零部件，所述存储模块用于存储先验信息数据和历史数据。2.根据权利要求1所述的一种机车小尺度零部件丢失的智能检测系统，其特征在于，所述光学补光器件为机车部位单独补光，所述工业级高速CCD为面阵高清CCD。3.根据权利要求1所述的一种机车小尺度零部件丢失的智能检测系统，其特征在于，所述工业级高速CCD采集高分辨率图像，通过网线传输到服务器，并在高清显示设备显示。4.根据权利要求1所述的一种机车小尺度零部件丢失的智能检测系统，其特征在于，所述处理模块包括智能分析模块和图像比对模块，运用算法模型形成初步故障ID1和初步故障ID2，最后通过ID1和ID2互相补充优化，计算得出高准确率和低误报率的故障预警ID。5.根据权利要求4所述的一种机车小尺度零部件丢失的智能检测系统，其特征在于，所述智能分析模块的处理步骤包括：S1、将列车图片等分切割；S2、获取零部件先验信息；S3、训练超分辨率重建模型，用超分辨率重建恢复模糊图片分辨率；S4、训练yolov4小目标检测模型，通过检测的方法，判断小零部件是否出现故障，输出初步故障ID1。6.根据权利要求4所述的一种机车小尺度零部件丢失的智能检测系统，其特征在于，所述图像比对模块的处理步骤包括：S1、将列车图片等分切割；...

【专利技术属性】
技术研发人员：岳振亚，彭小飞，
申请(专利权)人：重庆云石高科技有限公司，
类型：发明
国别省市：