一种轨道机车脱轨检测方法及装置制造方法及图纸

本申请提供一种轨道机车脱轨检测方法及装置，该方法包括：预先构建机车脱轨识别模型；获取轨道机车的车轮与轨道之间的待测图片；通过机车脱轨识别模型对待测图片进行机车脱轨检测，得到机车在轨状态；根据机车在轨状态判断轨道机车是否脱轨；并在轨道机车脱轨时，输出机车脱轨报警信息。可见，该方法及装置能够及时检测到机车脱轨，节约造价，降低系统复杂度，具有更广的适应性。具有更广的适应性。具有更广的适应性。

【技术实现步骤摘要】
一种轨道机车脱轨检测方法及装置


[0001]本申请涉及数据处理
，具体而言，涉及一种轨道机车脱轨检测方法及装置。

技术介绍

[0002]目前，轨道机车在常年累月的运行中，由于枕木沉降、车速过快、列车自身故障等因素发生脱轨事故。尤其在轨道机车自动驾驶领域，当轨道机车的自动驾驶系统无法识别到机车脱轨，不能及时采取安全措施，具有动力的机车将进一步扩大事故，造成更严重的安全隐患。现有技术中，需要每个轮副上的发射器来进行脱轨检测，至少一个轮对上具有至少一个接收器，工程安装量太大，系统复杂度高。

技术实现思路

[0003]本申请实施例的目的在于提供一种轨道机车脱轨检测方法及装置，能够及时检测到机车脱轨，节约造价，降低系统复杂度，具有更广的适应性。
[0004]本申请实施例第一方面提供了一种轨道机车脱轨检测方法，包括：
[0005]预先构建机车脱轨识别模型；
[0006]获取轨道机车的车轮与轨道之间的待测图片；
[0007]通过所述机车脱轨识别模型对所述待测图片进行机车脱轨检测，得到机车在轨状态；
[0008]根据所述机车在轨状态判断所述轨道机车是否脱轨；
[0009]如果是，则输出机车脱轨报警信息。
[0010]在上述实现过程中，该方法可以优先预先构建机车脱轨识别模型；并获取轨道机车的车轮与轨道之间的待测图片；然后，再通过机车脱轨识别模型对待测图片进行机车脱轨检测，得到机车在轨状态；并根据机车在轨状态判断轨道机车是否脱轨；当轨道机车脱轨时，立刻输出机车脱轨报警信息。可见，该方法能够及时检测到机车脱轨，节约造价，降低系统复杂度，具有更广的适应性。
[0011]进一步地，所述预先构建机车脱轨识别模型，包括：
[0012]获取列车轮对与轨道的样本图片；其中，该图片包括脱轨图片和未脱轨图片；
[0013]对所述样本图片进行标定，得到标定样本图片；
[0014]通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型。
[0015]进一步地，所述通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型，包括：
[0016]采用卷积神经网络构建原始神经网络模型；
[0017]使用预先配置的深度学习库和所述标定样本图片对所述原始神经网络模型进行训练，得到训练好的模型参数；
[0018]根据所述模型参数和所述原始神经网络模型生成机车脱轨识别模型。
[0019]进一步地，所述获取轨道机车的车轮与轨道之间的待测图片，包括：
[0020]使用高清广角摄像头采集轨道机车的轮对与轨道贴合的待测图片；其中，所述高清广角摄像头安装于所述轨道机车每一节车厢的头部位置。
[0021]进一步地，所述根据所述机车在轨状态判断所述轨道机车是否脱轨，包括：
[0022]根据所述机车在轨状态确定所述轨道机车的持续脱轨时间；
[0023]判断所述持续脱轨时间是否大于预设时间阈值；
[0024]如果是，则确定所述轨道机车脱轨，并执行所述的输出机车脱轨报警信息。
[0025]本申请实施例第二方面提供了一种轨道机车脱轨检测装置，所述轨道机车脱轨检测装置包括：
[0026]构建单元，用于预先构建机车脱轨识别模型；
[0027]获取单元，用于获取轨道机车的车轮与轨道之间的待测图片；
[0028]脱轨检测单元，用于通过所述机车脱轨识别模型对所述待测图片进行机车脱轨检测，得到机车在轨状态；
[0029]判断单元，用于根据所述机车在轨状态判断所述轨道机车是否脱轨；
[0030]输出单元，用于当判断出所述轨道机车脱轨时，输出机车脱轨报警信息。
[0031]在上述实现过程中，该装置可以通过构建单元预先构建机车脱轨识别模型；通过获取单元获取轨道机车的车轮与轨道之间的待测图片；通过脱轨检测单元来通过机车脱轨识别模型对待测图片进行机车脱轨检测，得到机车在轨状态；通过判断单元来根据机车在轨状态判断轨道机车是否脱轨；再通过输出单元在判断出轨道机车脱轨时，输出机车脱轨报警信息。可见，该装置能够及时检测到机车脱轨，节约造价，降低系统复杂度，具有更广的适应性。
[0032]进一步地，所述构建单元包括：
[0033]获取子单元，用于获取列车轮对与轨道的样本图片；其中，该图片包括脱轨图片和未脱轨图片；
[0034]标定子单元，用于对所述样本图片进行标定，得到标定样本图片；
[0035]训练子单元，用于通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型。
[0036]进一步地，所述训练子单元包括：
[0037]构建模块，用于采用卷积神经网络构建原始神经网络模型；
[0038]训练模块，用于使用预先配置的深度学习库和所述标定样本图片对所述原始神经网络模型进行训练，得到训练好的模型参数；
[0039]生成模块，用于根据所述模型参数和所述原始神经网络模型生成机车脱轨识别模型。
[0040]进一步地，所述获取单元具体用于使用高清广角摄像头采集轨道机车的轮对与轨道贴合的待测图片；其中，所述高清广角摄像头安装于所述轨道机车每一节车厢的头部位置。
[0041]进一步地，所述判断单元包括：
[0042]确定子单元，用于根据所述机车在轨状态确定所述轨道机车的持续脱轨时间；
[0043]判断子单元，用于判断所述持续脱轨时间是否大于预设时间阈值；
[0044]所述确定子单元，还用于在持续脱轨时间大于预设时间阈值时，确定所述轨道机车脱轨，并执行所述的输出机车脱轨报警信息。
[0045]本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的轨道机车脱轨检测方法。
[0046]本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的轨道机车脱轨检测方法。
附图说明
[0047]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0048]图1为本申请实施例提供的一种轨道机车脱轨检测方法的流程示意图；
[0049]图2为本申请实施例提供的一种轨道机车脱轨检测装置的结构示意图。
具体实施方式
[0050]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
[0051]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道机车脱轨检测方法，其特征在于，包括：预先构建机车脱轨识别模型；获取轨道机车的车轮与轨道之间的待测图片；通过所述机车脱轨识别模型对所述待测图片进行机车脱轨检测，得到机车在轨状态；根据所述机车在轨状态判断所述轨道机车是否脱轨；如果是，则输出机车脱轨报警信息。2.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述预先构建机车脱轨识别模型，包括：获取列车轮对与轨道的样本图片；其中，该图片包括脱轨图片和未脱轨图片；对所述样本图片进行标定，得到标定样本图片；通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型。3.根据权利要求2所述的轨道机车脱轨检测方法，其特征在于，所述通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型，包括：采用卷积神经网络构建原始神经网络模型；使用预先配置的深度学习库和所述标定样本图片对所述原始神经网络模型进行训练，得到训练好的模型参数；根据所述模型参数和所述原始神经网络模型生成机车脱轨识别模型。4.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述获取轨道机车的车轮与轨道之间的待测图片，包括：使用高清广角摄像头采集轨道机车的轮对与轨道贴合的待测图片；其中，所述高清广角摄像头安装于所述轨道机车每一节车厢的头部位置。5.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述根据所述机车在轨状态判断所述轨道机车是否脱轨，包括：根据所述机车在轨状态确定所述轨道机车的持续脱轨时间；判断所述持续脱轨时间是否大于预设时间阈值；如果是，则确定所述轨道机车脱轨，并执行所述的输出机车脱轨报警信息。6.一...

【专利技术属性】
技术研发人员：张志勇，夏云龙，袁超，陈凌云，
申请(专利权)人：重庆赛迪奇智人工智能科技有限公司，
类型：发明
国别省市：