【技术实现步骤摘要】
本专利技术涉及基于图像识别的异常检测，具体涉及一种铁路货车异常检测方法及系统。
技术介绍
1、货车故障轨旁图像检测系统，它利用轨边安装的多组高速工业相机抓拍运行中的列车车辆，通过网络将抓拍到的图像传输到列检检测中心，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分析与判断，极大地降低了检车员的工作强度，缩短了检车作业时间，将人为因素对检车作业质量的影响降到了最低，提升了检车效率和作业质量。
2、随着重载列车的开行密度和运能的提升，对列检作业时间、检修质量和安全保障能力提出了更高的要求，铁路机车车辆的增加及车辆运转率的提高，检修工作量激增，但是留给检修作业的时间越来越短。安全永远是第一位的，也是铁路高效运输秩序的基础。传统集中作业式的检修作业模式很难适应这种变化，面临着新的挑战。
3、近几年，深度学习领域不断涌现出新的方法，深度学习模型的性能得到显著提升，诸多模型在各自领域的发展速度惊人，并已在多种应用场景中取得了显著的成效。
4、基于深度学习的图像异常检测方法是一个热门的研究方向，在...
【技术保护点】
1.一种铁路货车异常检测方法，其特征在于，包括：
2.根据权利要求1所述的铁路货车异常检测方法，其特征在于，所述异常区域定位网络中，将重构的图片与原始图像进行对比，获得重构图片的异常分数，再计算重构图和原图的差异，组合得到异常分数的热力图通过选定阈值，将异常分数高于阈值的区域进行定位。
3.根据权利要求1所述的铁路货车异常检测方法，其特征在于，训练所述异常检测模型包括：收集不同通过时间不同车次的TFDS图像，建立无监督TFDS图像异常检测数据集，作为训练集；搭建基于无监督学习的异常检测模型，在建立的无监督TFDS图像数据集上进行训练，利用大量未...
【技术特征摘要】
1.一种铁路货车异常检测方法，其特征在于，包括：
2.根据权利要求1所述的铁路货车异常检测方法，其特征在于，所述异常区域定位网络中，将重构的图片与原始图像进行对比，获得重构图片的异常分数，再计算重构图和原图的差异，组合得到异常分数的热力图通过选定阈值，将异常分数高于阈值的区域进行定位。
3.根据权利要求1所述的铁路货车异常检测方法，其特征在于，训练所述异常检测模型包括：收集不同通过时间不同车次的tfds图像，建立无监督tfds图像异常检测数据集，作为训练集；搭建基于无监督学习的异常检测模型，在建立的无监督tfds图像数据集上进行训练，利用大量未标注的数据中隐藏的信息和低维特征来推动模型的学习。
4.根据权利要求3所述的铁路货车异常检测方法，其特征在于，通过对比重构图像与原始图像，计算重构图和原图之间的差异，生成异常分数的热力图，并通过选定阈值将异常分数高于阈值的区域进行定位，得到异常区域定位结果。
5.根据权利要求4所述的铁路货车异常检测方法，其特征在于，通过对异常进行特征提取、故障分类和上下文信息的分析，可以更好地处理异常，实现对图像中铁路货车异常识别。
6.根...
【专利技术属性】
技术研发人员：邱霁，史红梅，余祖俊，王尧，李建钹，郭保青，许西宁，王耀东，张韦昱，冯嘉辰，史佳琦，
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。