【技术实现步骤摘要】
本专利技术属于铁路货车人力制动机轴导架折断故障检测领域，具体涉及一种基于深度学习的人力制动机轴导架折断故障检测方法、存储介质及设备。
技术介绍
1、在铁路货车的人力制动机轴导架折断故障检测中，传统方法往往采用人工检查图像的方式进行故障检测，但是这种人工检查图像的方式容易受到人为主观因素的影响，而且检测的效率较低。近几年，深度学习与人工智能不断发展，在技术上不断成熟。采用深度学习方法进行人力制动机轴导架折断故障检测，即采用图像自动识别的方式进行人力制动机轴导架折断故障检测可以提高故障检测的准确率、效率和稳定性。
2、但是现有深度学习方法采用的回归损失为smoothl1 loss损失，而smoothl1 loss损失仅代表预测边界框坐标和实际边界框坐标之间的差异。即使预测边界框和真实边界框有很好的重叠，但只要它们的坐标有微小的偏差，回归损失就可能会很大，因此现有基于smoothl1 loss回归损失的人力制动机轴导架折断故障检测方法的准确率仍然较低，那么，提出一种新的方法以提高人力制动机轴导架折断故障检测方法的准确率是十分必要的
【技术保护点】
1.一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述方法的具体过程为：
2.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述角度损失θ具体为：
3.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述距离损失L′为：
4.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述形状损失C为：
5.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述HTC检测网...
【技术特征摘要】
1.一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述方法的具体过程为：
2.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述角度损失θ具体为：
3.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述距离损失l′为：
4.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述形状损失c为：
5.根据权利要求1所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述htc检测网络在fpn模块之后添加有eca-net模块。
6.根据权利要求5所述的一种基于深度学习的人力制动机轴导架折断故障检测方法，其特征在于，所述eca-net模块的工作过程为：
7....
【专利技术属性】
技术研发人员：郭庆阳，袁志伟，
申请(专利权)人：哈尔滨市科佳通用机电股份有限公司，
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。