【技术实现步骤摘要】
本专利技术涉及轨道交通装备智能化，具体是一种基于深度学习的列车轮对迟缓线异常识别系统。
技术介绍
1、轮对迟缓线作为列车轮对系统中重要的机械状态监测标记，主要用于指示轮箍与轮毂之间是否存在相对转动，进而判断轮对装配结构的稳固性与运行可靠性。在轨道交通领域，轮对由轮毂和轮箍过盈配合组成，若二者在运行中发生相对滑移，将严重影响轮对的力学性能，甚至引发结构松动、轮箍脱落等重大安全隐患。为了实现对轮毂与轮箍相对位置变化的直观监控，车辆制造及运维单位通常在两者外表面上施画3条等角分布(120°)的标记线，这些线条即为“迟缓线”。迟缓线一般采用宽度约为20mm的高对比度颜色(如黄色)标记，具有良好的可视性与识别性，可在列车运用周期中作为关键的安全巡检依据。
2、在实际运维中，工作人员通过比对迟缓线是否出现错位或偏移，判断轮箍是否发生了微小滑移，从而及早发现潜在结构异常。该方法虽结构简单、成本低廉，但完全依赖人工巡检方式，存在多项问题：一是检查频率有限，难以及时捕捉初期偏移；二是检查质量受制于光照、视角、轮对污染等因素，容易出现误判或漏检
3、本文档来自技高网...
【技术保护点】
1.一种基于深度学习的列车轮对迟缓线异常识别系统，其特征在于包括以下步骤：
2.根据权利要求1所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤2)所述巡检任务过程中，巡检机器人按预设路线行进至指定检测位置，在与模版图采集时相同视角下，获取当前轮对迟缓线的图像作为任务图，拍摄时通过配准步骤与拍摄模版图时的位姿进行空间对齐。
3.根据权利要求1所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤3)所述轮对迟缓线任务图和模版图进行图像配准过程采用图像配准方法对模版图与任务图进行空间对齐，具体为：
4.根据权利...
【技术特征摘要】
1.一种基于深度学习的列车轮对迟缓线异常识别系统，其特征在于包括以下步骤：
2.根据权利要求1所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤2)所述巡检任务过程中，巡检机器人按预设路线行进至指定检测位置，在与模版图采集时相同视角下，获取当前轮对迟缓线的图像作为任务图，拍摄时通过配准步骤与拍摄模版图时的位姿进行空间对齐。
3.根据权利要求1所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤3)所述轮对迟缓线任务图和模版图进行图像配准过程采用图像配准方法对模版图与任务图进行空间对齐，具体为：
4.根据权利要求1所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤4)所述轮对迟缓线语义分割与关键点检测过程具体如下：
5.根据权利要求4所述的基于深度学习的列车轮对迟缓线异常识别系统，其特征在于：步骤4...
【专利技术属性】
技术研发人员：龚磊，蔡磊，张克伟，荣文忠，姜源颢，张锦顺，
申请(专利权)人：江苏宁和智能交通科技有限公司，
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。