基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法技术

本发明专利技术公开了一种基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，包括以下内容：构建紧固螺栓丢失检测模型，紧固螺栓丢失检测模型包括骨干网络和输出网络；利用训练数据集训练得到训练后的紧固螺栓丢失检测模型；获取待检测图像，即铁路货车锁紧板端部紧固螺栓的图像数据，再利用训练后的紧固螺栓丢失检测模型进行紧固螺栓的丢失检测。其解决了现有铁路货车故障识别效率低、准确率低的问题。

【技术实现步骤摘要】

【】本专利技术属于深度学习图像处理，具体涉及一种基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法。

技术介绍

0、
技术介绍

1、在铁路货车运营与维护中，列车的检修一直是一个费时费力的问题。铁路货车锁紧板紧固螺栓是铁路运输安全的重要部件，其完好程度直接关系到列车的运行安全。然而，由于各种原因，部分螺栓可能存在丢失或松动的情况，给铁路运输带来安全隐患。传统的检测方法主要依靠人工巡检，不仅效率低下，而且容易漏检。近年来，随着深度学习技术的发展，越来越多的领域开始应用深度学习技术进行智能化处理。但目前所使用的一些技术存在以下的缺点：第一：现有技术对于螺栓这种小目标物体的检测识别能力较低；第二：现有技术的模型准确率还有进一步提升的空间。

技术实现思路

0、
技术实现思路

1、本专利技术的目的是提供一种基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，以解决现有铁路货车故障识别效率低、准确率低的问题。

2、本专利技术采用以下技术方案：基于深度学习的铁路货车锁紧板紧固螺栓丢失的本文档来自技高网...

【技术保护点】

1.基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，包括以下内容：

2.如权利要求1所述的基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，所述骨干网络(1)由依次数据连接的卷积模块(101)、第一自定义模块(102)和三个第二自定义模块(103)组合而成；所述第一自定义模块(102)由自注意力机制模块和多层感知机模块组成；每个所述第二自定义模块(103)均由一间隔采样层、一拼接层、一归一化层、一自注意力机制模块和多层感知机模块组成；

3.如权利要求1或2所述的基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，所述紧固螺...

【技术特征摘要】

1.基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，包括以下内容：

2.如权利要求1所述的基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，所述骨干网络(1)由依次数据连接的卷积模块(101)、第一自定义模块(102)和三个第二自定义模块(103)组合而成；所述第一自定义模块(102)由自注意力机制模块和多层感知机模块组成；每个所述第二自定义模块(103)均由一间隔采样层、一拼接层、一归一化层、一自注意力机制模块和多层感知机模块组成；

3.如权利要求1或2所述的基于深度学习的铁路货车锁紧板紧固螺栓丢失的检测方法，其特征在于，所述紧固螺栓丢失检测模型进行紧固螺栓丢失检测的方法具体为：

4.如权利要求3所述的基于深度学习的铁路货车锁紧板紧固...

【专利技术属性】
技术研发人员：王子豪，
申请(专利权)人：慧铁科技股份有限公司，
类型：发明
国别省市：