【技术实现步骤摘要】
铁路列车异常检测方法、装置、平台、设备及存储介质
[0001]本说明书一个或多个实施例涉及计算机
，尤其涉及一种铁路列车异常检测方法、装置、平台、设备及存储介质。
技术介绍
[0002]在铁路列车运维场景中，铁路车辆段需要对每辆运营列车进行车体零部件的检查运维，由于列车整车的零部件数量非常庞大(约1500个零部件)，且车侧车底人工视角存在极大的不方便和盲区，导致人工筛查效率低且容易出现漏检。另外，不同的零部件需要关注的异常不同，例如有些零部件需要检测是否发生脱落、断裂、裂损、漏油等，而有些零部件则需要检测缺失、异物、变形、打开等，进一步增加了人工检测的难度，提高了对人工的专业水平的要求。
技术实现思路
[0003]有鉴于此，本说明书一个或多个实施例提供一种铁路列车异常检测方法、装置、平台、设备及存储介质。
[0004]为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
[0005]根据本说明书一个或多个实施例的第一方面，提出了一种铁路列车异常检测方法，应用于异常检测系统，所述异常检测系统包括边缘盒子和存储设备，所述异常检测系统与服务器连接；所述方法包括：
[0006]利用所述存储设备接收并存储所述服务器发送的目标图像，所述目标图像是通过对线阵相机采集的多个图像进行拼接得到，所述多个图像为待检测列车经过所述线阵相机时采集到的图像；
[0007]利用所述边缘盒子在接收到来自所述服务器的异常检测任务的情况下，对所述目标图像进行异常检测，得到异常检测结果。>[0008]在本说明书的一个实施例中，所述对所述目标图像进行异常检测，得到异常检测结果，包括：根据所述异常检测任务确定待检测的目标零部件；从所述目标图像中获取所述目标零部件的图像区域；根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果。
[0009]在本说明书的一个实施例中，所述根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果，包括：在所述异常检测任务指示的异常检测类型为第一类异常检测的情况下，获取所述图像区域中目标零部件的物理参数；将所述目标零部件的物理参数与所述目标零部件对应的预设物理参数异常阈值进行匹配；根据匹配结果得到异常检测结果。
[0010]在本说明书的一个实施例中，所述根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果，包括：在所述异常检测任务指示的异常检测类型为第二类异常检测的情况下，通过预训练的特征提取网络对所述目标零部件的图像
区域进行特征提取，获取所述图像区域的待检测特征信息；获取所述目标零部件对应的样本特征信息，所述样本特征信息是利用所述预训练的特征提取网络对样本图像集合进行特征提取得到的，所述样本图像集合包括多个所述目标零部件的样本图像；根据所述待检测特征信息和所述样本特征信息，确定所述目标零部件的图像区域的异常检测结果。
[0011]在本说明书的一个实施例中，所述根据所述待检测特征信息和所述样本特征信息，确定所述目标零部件的图像区域的异常检测结果，包括：针对所述待检测特征信息中的每个待检测块特征，分别确定与预设特征集的最近距离，所述预设特征集通过获取所述样本图像集合中多个样本图像对应的样本特征信息，以及各样本特征信息中的样本块特征，并对样本块特征进行降维得到；获取最近距离最大的待检测块特征作为目标块特征；确定与所述目标块特征相似度最大的多个候选样本块特征，并分别确定所述目标块特征与各候选样本块特征间的距离；根据所述目标块特征与各候选样本块特征间的距离，以及所述最大的最近距离，确定所述待检测特征信息的异常值；根据所述异常值与预设异常阈值，得到异常检测结果。
[0012]在本说明书的一个实施例中，在通过预训练的特征提取网络对所述目标零部件的图像区域进行特征提取之前，还包括：确定所述图像区域中目标零部件的轮廓；根据所述目标零部件的轮廓对所述图像区域中的背景区域进行掩膜处理；对掩膜处理后的图像区域进行旋转，使旋转后的图像区域中的目标零部件对齐预设样本图像集合中的目标零部件。
[0013]根据本说明书一个或多个实施例的第二方面，提出了一种铁路列车异常检测装置，应用于异常检测系统，所述异常检测系统包括边缘盒子和存储设备，所述异常检测系统与服务器连接；所述装置包括：
[0014]存储单元，用于利用所述存储设备接收并存储所述服务器发送的目标图像，所述目标图像是通过对线阵相机采集的多个图像进行拼接得到，所述多个图像为待检测列车经过所述线阵相机时采集到的图像；
[0015]异常检测单元，用于利用所述边缘盒子在接收到来自所述服务器的异常检测任务的情况下，对所述目标图像进行异常检测，得到异常检测结果。
[0016]根据本说明书一个或多个实施例的第三方面，提出了一种铁路列车异常检测平台，所述平台包括异常检测系统、线阵相机和服务器；
[0017]所述线阵相机采集待检测列车经过检测路段时的多个图像；
[0018]所述服务器获取并拼接多个图像，得到目标图像，将所述目标图像发送至所述异常检测系统；
[0019]所述异常检测系统接收并存储所述目标图像；
[0020]所述服务器向所述异常检测系统发送异常检测任务；
[0021]所述异常检测系统根据所述异常检测任务对所述目标图像进行异常检测，得到异常检测结果。
[0022]根据本说明书一个或多个实施例的第四方面，提出了一种计算设备，该计算设备包括：
[0023]处理器；
[0024]用于存储处理器可执行指令的存储器；
[0025]其中，处理器通过运行可执行指令以实现上述第一方面以及第一方面中任一实施
例所提供的铁路列车异常检测方法所执行的操作。
[0026]根据本说明书一个或多个实施例的第五方面，提出了一种计算机可读存储介质，其上存储有计算机指令，指令被处理器执行时实现上述第一方面以及第一方面中任一实施例所提供的铁路列车异常检测方法所执行的操作。
[0027]根据本说明书一个或多个实施例的第六方面，提出了一种计算机程序产品，包括计算机程序，程序被处理器执行时实现上述第一方面以及第一方面中任一实施例所提供的铁路列车异常检测方法所执行的操作。
[0028]本申请通过异常检测系统中的铁路列车异常检测方法，利用存储设备接收并存储服务器发送的目标图像，其中目标图像是通过对线阵相机采集的多个图像进行拼接得到，多个图像为待检测列车经过线阵相机时采集到的图像；边缘盒子在接收到来自服务器的异常检测任务的情况下，对目标图像进行异常检测，得到异常检测结果，能够根据异常检测任务对待检测列车进行全面检测，提高异常检测的效率，降低漏检率。
附图说明
[0029]图1是一示例性实施例提供的一种铁路列车异常检测方法的流程图。
[0030]图2是一示例性实施例提供的一种异常检测系统和服务器的数据交互示意图。
[0031]图3是一示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种铁路列车异常检测方法，其特征在于，应用于异常检测系统，所述异常检测系统包括边缘盒子和存储设备，所述异常检测系统与服务器连接；所述方法包括：利用所述存储设备接收并存储所述服务器发送的目标图像，所述目标图像是通过对线阵相机采集的多个图像进行拼接得到，所述多个图像为待检测列车经过所述线阵相机时采集到的图像；利用所述边缘盒子在接收到来自所述服务器的异常检测任务的情况下，对所述目标图像进行异常检测，得到异常检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行异常检测，得到异常检测结果，包括：根据所述异常检测任务确定待检测的目标零部件；从所述目标图像中获取所述目标零部件的图像区域；根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果，包括：在所述异常检测任务指示的异常检测类型为第一类异常检测的情况下，获取所述图像区域中目标零部件的物理参数；将所述目标零部件的物理参数与所述目标零部件对应的预设物理参数异常阈值进行匹配；根据匹配结果得到异常检测结果。4.根据权利要求2所述的方法，其特征在于，所述根据所述异常检测任务指示的异常检测类型对所述图像区域进行异常检测，得到异常检测结果，包括：在所述异常检测任务指示的异常检测类型为第二类异常检测的情况下，通过预训练的特征提取网络对所述目标零部件的图像区域进行特征提取，获取所述图像区域的待检测特征信息；获取所述目标零部件对应的样本特征信息，所述样本特征信息是利用所述预训练的特征提取网络对样本图像集合进行特征提取得到的，所述样本图像集合包括多个所述目标零部件的样本图像；根据所述待检测特征信息和所述样本特征信息，确定所述目标零部件的图像区域的异常检测结果。5.根据权利要求4所述的方法，其特征在于，所述根据所述待检测特征信息和所述样本特征信息，确定所述目标零部件的图像区域的异常检测结果，包括：针对所述待检测特征信息中的每个待检测块特征，分别确定与预设特征集的最近距离，所述预设特征集通过获取所述样本图像集合中多个样本图像对应的样本特征信...
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。