【技术实现步骤摘要】
本专利技术涉及城市轨道交通故障检测领域，尤其涉及一种列车故障状态检测方法、装置、存储介质和电子设备。
技术介绍
1、现有的城轨列车故障检测工作通常在列车结束运营后进行，由检修人员或者智能巡检机器人在车辆检修线上进行列车车体的静态检测。例如，对关键部件(如螺栓、隔离阀门和车体挂载异物等)进行故障判别和视情维修。
2、但是，对于在轨运营的列车来说，由于运行过程中车体长时间受到牵引制动力的作用，车身上的螺栓、阀门等关键可视化部位可能由于振动而出现松动，而且列车运行过程中可能吸附各种异物，如纸屑、塑料袋，一旦出现上述故障，列车运行风险会显著增加。
3、因此，现有的列车故障检测方法至少存在着难以自动识别车体状态、检测效率低和检测精度差等问题。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种列车故障状态检测方法、装置、存储介质和电子设备，其解决了现有技术中存在着的难以自动识别车体状态、检测效率低和检测精度差的技术问题。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、第一方面，本专利技术实施例提供一种列车故障状态检测方法，包括：获取原始图像；其中，原始图像包括运行中的列车的关键部件的正常状态图像和故障状态图像；按照关键部件的状态对原始图像进行标签设定，以得到标签设定后的图像集，并将标签设定后的图像集划分为训练集、测试集和验证集；根据训练集、测
6、在一个可能的实施例中，列车故障状态检测模型包括改进后主干网络、改进后颈部网络和检测头。
7、在一个可能的实施例中，改进后主干网络包括多个c3模块，并且多个c3模块中每个c3模块均包括第一conv模块、第二conv模块、第三conv模块、bottleneck模块、concat模块和坐标注意力ca模块；其中，第一conv模块、bottleneck模块、concat模块、第二conv模块和ca模块串联连接，以及第三conv模块还分别与第一conv模块和concat模块连接。
8、在一个可能的实施例中，改进后颈部网络包括第一层网络，并且第一层网络包括依次连接的第四conv模块、第一assf模块和第一c3_false模块。
9、在一个可能的实施例中，改进后颈部网络进一步包括第二层网络，并且第二层网络包括依次连接的第五conv模块、第二assf模块、第二c3_false模块、第三assf模块和第三c3_false模块，以及第二c3_false模块还与第一assf模块连接，以及第三assf模块还与第四conv模块连接。
10、在一个可能的实施例中，改进后颈部网络进一步包括第三层网络，并且第三层网络包括依次连接的第六conv模块、第四assf模块、第四c3_false模块、第五assf模块和第五c3_false模块，以及第六conv模块还与第二assf模块连接，以及第四assf模块还与第五conv模块连接，以及第四c3_false模块还分别与第一assf模块和第三assf模块连接，以及第五assf模块还分别与第四conv模块和第二c3_false模块连接。
11、第二方面，本申请实施例提供了一种列车故障状态检测装置，包括：获取模块，用于获取原始图像；其中，所述原始图像包括运行中的列车的关键部件的正常状态图像和故障状态图像；标签划分模块，用于对所述原始图像对应的关键部件的状态进行标签设定，以得到标签设定后的图像集，并将所述标签设定后的图像集划分为训练集、测试集和验证集；训练测试模块，用于根据所述训练集、所述测试集和所述验证集采用卷积神经网络进行训练和测试，得到列车故障状态检测模型；采集输入模块，用于采集运行中的待检测列车的关键部件的图像，并将所述运行中的待检测列车的关键部件的图像输入到所述列车故障状态检测模型中，以得到所述待检测列车的关键部件的故障检测结果；确定模块，用于基于所述待检测列车的关键部件的故障检测结果，确定所述待检测列车的故障状态。
12、第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
13、第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
14、第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
15、(三)有益效果
16、本专利技术的有益效果是：
17、本申请实施例提供了一种列车故障状态检测方法、装置、存储介质和电子设备，通过获取原始图像，随后按照关键部件的状态对原始图像进行标签设定，以得到标签设定后的图像集，并将标签设定后的图像集划分为训练集、测试集和验证集，随后根据训练集、测试集和验证集对卷积神经网络进行训练和测试，以得到训练好的列车故障状态检测模型，随后采集运行中的待检测列车的关键部件的图像，并将运行中的待检测列车的关键部件的图像输入到训练好的列车故障状态检测模型中，以得到待检测列车的关键部件的故障检测结果，最后基于待检测列车的关键部件的故障检测结果，确定待检测列车的故障状态，从而相比于现有的列车故障检测方法来说，其不仅能够自动识别车体状态，还能够提高检测效率和检测精度。
18、为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种列车故障状态检测方法，其特征在于，包括：
2.根据权利要求1所述的列车故障状态检测方法，其特征在于，所述列车故障状态检测模型包括改进后主干网络、改进后颈部网络和检测头。
3.根据权利要求2所述的列车故障状态检测方法，其特征在于，所述改进后主干网络包括多个C3模块，并且所述多个C3模块中每个C3模块均包括第一Conv模块、第二Conv模块、第三Conv模块、Bottleneck模块、Concat模块和坐标注意力CA模块；其中，所述第一Conv模块、所述Bottleneck模块、所述Concat模块、所述第二Conv模块和所述CA模块串联连接，以及所述第三Conv模块还分别与所述第一Conv模块和所述Concat模块连接。
4.根据权利要求2所述的列车故障状态检测方法，其特征在于，所述改进后颈部网络包括第一层网络，并且所述第一层网络包括依次连接的第四Conv模块、第一ASSF模块和第一C3_False模块。
5.根据权利要求4所述的列车故障状态检测方法，其特征在于，所述改进后颈部网络进一步包括第二层网络，并且所述第二层网络包括依
6.根据权利要求5所述的列车故障状态检测方法，其特征在于，所述改进后颈部网络进一步包括第三层网络，并且所述第三层网络包括依次连接的第六Conv模块、第四ASSF模块、第四C3_False模块、第五ASSF模块和第五C3_False模块，以及所述第六Conv模块还与所述第二ASSF模块连接，以及所述第四ASSF模块还与所述第五Conv模块连接，以及所述第四C3_False模块还分别与所述第一ASSF模块和所述第三ASSF模块连接，以及所述第五ASSF模块还分别与所述第四Conv模块和所述第二C3_False模块连接。
7.一种列车故障状态检测装置，其特征在于，包括：
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行如权利要求1-7任一所述的列车故障状态检测方法。
9.一种电子设备，包括处理器、存储器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-7任一所述的列车故障状态检测方法。
...【技术特征摘要】
1.一种列车故障状态检测方法，其特征在于，包括：
2.根据权利要求1所述的列车故障状态检测方法，其特征在于，所述列车故障状态检测模型包括改进后主干网络、改进后颈部网络和检测头。
3.根据权利要求2所述的列车故障状态检测方法，其特征在于，所述改进后主干网络包括多个c3模块，并且所述多个c3模块中每个c3模块均包括第一conv模块、第二conv模块、第三conv模块、bottleneck模块、concat模块和坐标注意力ca模块；其中，所述第一conv模块、所述bottleneck模块、所述concat模块、所述第二conv模块和所述ca模块串联连接，以及所述第三conv模块还分别与所述第一conv模块和所述concat模块连接。
4.根据权利要求2所述的列车故障状态检测方法，其特征在于，所述改进后颈部网络包括第一层网络，并且所述第一层网络包括依次连接的第四conv模块、第一assf模块和第一c3_false模块。
5.根据权利要求4所述的列车故障状态检测方法，其特征在于，所述改进后颈部网络进一步包括第二层网络，并且所述第二层网络包括依次连接的第五conv模块、第二assf模块、第二c3_false模块、第三a...
【专利技术属性】
技术研发人员：董海荣，尹仁兴，吴兴堂，白卫齐，宋海锋，
申请(专利权)人：北京交通大学，
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。