一种货车上拉杆窜出故障的识别方法技术

本申请提供的一种货车上拉杆窜出故障的识别方法，包括：获取待检测图像；定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值；所述上拉杆窜出故障部件包括上拉杆和上拉杆托槽；若所述上拉杆窜出故障的故障概率值大于预设第一故障概率值，则判定结果为发生上拉杆窜出故障；若所述上拉杆窜出故障的故障概率值小于所述预设第一故障概率值，且大于预设第二故障概率值，则根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障。通过本申请提供的方法，可以提高对货车上拉杆窜出故障的检测速度和检测准确率。检测准确率。检测准确率。

【技术实现步骤摘要】
一种货车上拉杆窜出故障的识别方法


[0001]本专利技术创造属于铁路货车运行状态故障检测的
，具体涉及了一种货车上拉杆窜出故障的识别方法。

技术介绍

[0002]目前，为了保证铁路货车运行安全，铁路货运路线上安装有TFDS(Trouble of moving Freight car Detection System，货车运行故障动态图像检测系统)设备，该系统利用轨边安装的多组高速工业相机对运行中的列车车辆进行动态抓拍，通过网络将采集到的图像传输到列检中心，由检车员通过TFDS系统运用软件平台，人工浏览图片的方式进行故障判断与分析，极大地提升了检车效率和作业质量，节省了人力、物力和财力。
[0003]重载铁路具有运量大、编组长、过车密集、站停时间短和检修工作量巨大等特点，检修作业面临着作业时间短、工作量巨大和检修标准高的挑战。在该系统实际使用中，随着运量的不断增长，货车的速度和数量也会随着不断提高，同时故障车辆的数量也会在新车逐渐变成旧车的运用过程中不断增加。目前完全采用人工作业方式，因此对于TFDS检车员来说，他们所面临的工作量和确保安全的压力将成倍增加。
[0004]而上拉杆作为货车制动的重要部件，对货车的运行安全起到至关重要的作用，为了保证货车运行过程中的安全，目前急需一种针对货车上拉杆窜出故障图像检测的智能识别方法。

技术实现思路

[0005]为解决上述问题，提出了一种货车上拉杆窜出故障的识别方法，提高对货车上拉杆窜出故障的检测速度和检测准确率。
[0006]本申请的第一方面，提供了一种货车上拉杆窜出故障的识别方法，包括：
[0007]获取待检测图像；
[0008]定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值；所述上拉杆窜出故障部件包括上拉杆和上拉杆托槽；
[0009]若所述上拉杆窜出故障的故障概率值大于预设第一故障概率值，则判定结果为发生上拉杆窜出故障；
[0010]若所述上拉杆窜出故障的故障概率值小于所述预设第一故障概率值，且大于预设第二故障概率值，则根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障。
[0011]在一些实施例中，采用上拉杆窜出故障定位模型定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值。
[0012]在一些实施例中，所述根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障，包括：
[0013]若所述上拉杆的中心位置处于所述上拉杆托槽的上、下边缘之间，则判断结果为
未发生上拉杆窜出故障；
[0014]若所述上拉杆的中心位置未处于所述上拉杆托槽的上、下边缘之间，则判断结果为发生了上拉杆窜出故障。
[0015]在一些实施例中，所述上拉杆的中心位置，以及所述上拉杆托槽的上、下边缘的确定过程包括：
[0016]定位出所述待检测图像中上拉杆和上拉杆托槽的位置坐标；
[0017]根据所述待检测图像中上拉杆和上拉杆托槽的位置坐标，分别计算出所述上拉杆的中心位置和所述上拉杆托槽的上、下边缘。
[0018]在一些实施例中，采用预设的上拉杆和上拉杆托槽定位模型定位出所述待检测图像中上拉杆和上拉杆托槽的位置坐标。
[0019]在一些实施例中，所述上拉杆窜出故障定位模型深度学习网络模型，其采用新的yolo
‑
v3网络模型的主体结构，所述新的yolo
‑
v3网络模型的主体结构仅采用一个输出层。
[0020]在一些实施例中，所述上拉杆窜出故障定位模型的边界框的宽高比根据上拉杆样本的宽高比确定。
[0021]在一些实施例中，若判断结果为发生了上拉杆窜出故障，则上传上拉杆窜出故障信息并报警。
[0022]在一些实施例中，所述预设第一故障概率值为0.9，所述预设第二故障概率值为0.5。
[0023]本申请的第二个方面，提供了一种货车上拉杆窜出故障的识别装置，包括：
[0024]图像获取模块，用于获取待检测图像；
[0025]目标检测模块，用于定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值；所述上拉杆窜出故障部件包括上拉杆和上拉杆托槽；
[0026]判断模块，用于若所述上拉杆窜出故障的故障概率值大于预设第一故障概率值，则判定为发生上拉杆窜出故障；以及
[0027]若所述上拉杆窜出故障的故障概率值小于所述预设第一故障概率值，且大于预设第二故障概率值，则根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障。
[0028]本申请的第三个方面，提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，用以实现如上所述的一种货车上拉杆窜出故障的识别方法。
[0029]本申请的第四个方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，实现如上所述的一种货车上拉杆窜出故障的识别方法。
[0030]本申请的技术效果为：1、本申请技术方案利用深度学习技术，通过对上拉杆窜出故障定位模型的优化，提高了上拉杆窜出故障定位模型的预测速度。然后利用训练好的上拉杆窜出故障定位模型对上拉杆窜出故障部件进行检测，预测出存在上拉杆窜出故障的故障概率值。对于检测出的故障部件概率值大于预设第一故障概率值的直接判断为发送上拉杆窜出故障；对于故障概率值小于预设第一故障概率值，且大于预设第二故障概率值，则进一步定位出上拉杆托槽和上拉杆的位置信息，并通过上拉杆托槽和上拉杆的位置关系来判
断上拉杆是否脱出，可以有效避免误报的产生。从而能够更快更加精确的实现对铁路货车上拉杆窜出故障检测，进而能够大大减轻人工的工作强度，缩短检修作业时间，提高了检修的工作效率，减少了漏检的机率，降低人力成本和管理成本，从而保证货车的安全运行。
[0031]2、通过固定上拉杆窜出故障定位模型中的边界框(anchor box)的尺寸比例为实际图片中上拉杆窜出故障部件的尺寸比例，提高上拉杆窜出故障定位模型训练时的收敛速度。同时，故障识别效果随着图像数据量的增多，故障样本的逐渐增多，检出效果能够有效的进行提升，该网络模型改进后计算量小，运行速度快且更准确。
附图说明
[0032]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于所属领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0033]图1为本申请实施例一提供的一种货车上拉杆窜出故障的识别方法的流程图；
[0034]图2为本申请实施例一提供的一种货车上拉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种货车上拉杆窜出故障的识别方法，其特征在于，包括：获取待检测图像；定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值；所述上拉杆窜出故障部件包括上拉杆和上拉杆托槽；若所述上拉杆窜出故障的故障概率值大于预设第一故障概率值，则判定结果为发生上拉杆窜出故障；若所述上拉杆窜出故障的故障概率值小于所述预设第一故障概率值，且大于预设第二故障概率值，则根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障。2.根据权利要求1所述的方法，其特征在于，采用上拉杆窜出故障定位模型定位出所述待检测图像中上拉杆窜出故障部件的位置，并预测出存在上拉杆窜出故障的故障概率值。3.根据权利要求1所述的方法，其特征在于，所述根据所述上拉杆的中心位置与所述上拉杆托槽的上、下边缘之间的位置关系，判断是否发生上拉杆窜出故障，包括：若所述上拉杆的中心位置处于所述上拉杆托槽的上、下边缘之间，则判断结果为未发生上拉杆窜出故障；若所述上拉杆的中心位置未处于所述上拉杆托槽的上、下边缘之间，则判断结果为发生了上拉杆窜出故障。4.根据权利要求1所述的方法，其特征在于，所述上拉杆的中心位置，以及所述上拉杆托槽的上、下边缘的确定过程包括：定位出所述待检测图像中上拉杆和上拉杆托槽的位置坐标；根据所述待检测图像中上拉杆和上拉杆托槽的位置坐标，分别计算出所述上拉杆的中心位置和所述上拉杆托槽的上、下边缘。5.根据权利要求4所述的方法，其特征在于，采用预设的上拉杆和上拉杆托槽定位模型定位出所述待检测图像中上拉杆和上拉杆托槽的位置坐标。6.根据权利要求2所述的方法，其特征在于，所述上拉杆窜出故障定位模型为深度学习网络模型，其...

【专利技术属性】
技术研发人员：李志鹏，王盼盼，王洪昆，边志宏，王蒙，丁颖，王萌，徐建喜，焦杨，马瑞峰，张国彪，
申请(专利权)人：国能铁路装备有限责任公司，
类型：发明
国别省市：