申请/专利权人：武汉理工大学

申请日：2020-12-03

公开（公告）日：2024-04-02

公开（公告）号：CN112464846B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/774;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.03.26#实质审查的生效;2021.03.09#公开

摘要：本发明提出了一种车站货运列车车厢异常和故障的自动识别方法。首先利用高速线阵相机在货运列车不停站的情况下，拍摄每节车厢左侧、右侧和顶部图像构建车厢图像数据集，经裁剪、筛选、人工标注等预处理操作后形成车厢故障图像训练集。然后构建列车车厢异常故障识别网络和损失函数，输入训练集中的车厢故障图像，通过梯度下降算法优化识别网络。测试时，将待识别图像输入至优化后的列车车厢异常故障识别网络中，得到初步识别结果；再经置信度滤除、非极大值抑制等后处理操作，得到最终识别结果。本发明具有识别率高，速度快、实时性强等优点，实现了列车运行状态监测以及对异常或故障进行自动报警的功能，进一步提高了铁路交通运输的智能化水平。

主权项：1.一种车站货运列车车厢异常故障的自动识别方法，其特征在于，包括以下步骤：步骤1：利用高速线阵相机在货运列车不停站的情况下，分别拍摄每节车厢的左侧高分辨率图像、右侧高分辨率图像、顶部高分辨率图像构建车厢高分辨率图像数据集，将车厢高分辨率图像使用线性插值方法等比例缩小至合适比例后裁剪为有重叠的、尺寸相同的四个图像块，在所有的图像块中筛选出包含故障的车厢图像样本，利用包含故障的车厢图像样本构建车厢故障图像数据集；步骤2：人工标注步骤1中所述车厢故障图像数据集中每幅车厢故障图像的车厢故障标记框以及故障类型，分别统计每种故障类型的车厢故障图像样本的数量，对图像样本数量小于样本数量阈值的故障类型进行再收集，直到各类故障类型的车厢故障图像样本的数量均大于样本数量阈值，以构建列车车厢异常故障识别网络训练集；步骤3：构建列车车厢异常故障识别网络，将步骤2中所述列车车厢异常故障识别网络训练集作为输入数据，结合列车车厢异常故障识别网络训练集中车厢故障图像样本的故障类型，构建列车车厢异常故障识别网络损失函数，通过梯度下降算法训练得到优化后的列车车厢异常故障识别网络；步骤4：将待识别图像输入至优化后的列车车厢异常故障识别网络中，预测得到待识别图像的第一预测特征图、第二预测特征图以及第三预测特征图，通过对待识别图像的第一预测特征图、第二预测特征图以及第三预测特征图进行拼接得到待识别图像的初步识别结果，再经置信度筛选、非极大值抑制等操作后得到最终识别结果；步骤4所述待识别图像的第一预测特征图为Fest8；步骤4所述待识别图像的第二预测特征图为Fest9；步骤4所述待识别图像的第三预测特征图为Fest10；步骤4所述待识别图像的初步识别结果包含预测框属于前景的概率、预测框坐标和预测框类别概率；所述待识别图像的初步识别结果中预测框属于前景的概率，定义为：Iv∈[0,1],v∈NRs其中，NRs表示待识别图像的初步识别结果的数量，Iv表示第v个待识别图像的初步识别结果中预测框属于前景的概率；所述待识别图像的初步识别结果中预测框坐标，定义为： 其中，l表示待识别图像上的左，t表示待识别图像上的上，r表示待识别图像上的右，b表示待识别图像上的下；表示第v个待识别图像的初步识别结果中预测框左上角的坐标，表示第v个待识别图像的初步识别结果中预测框左上角的横坐标，表示第v个待识别图像的初步识别结果中预测框左上角的纵坐标；表示第v个待识别图像的初步识别结果中预测框右下角的坐标，表示第v个待识别图像的初步识别结果中预测框右下角的横坐标，表示第v个待识别图像的初步识别结果中预测框右下角的纵坐标；所述待识别图像的初步识别结果中预测框类别概率，定义为： 其中，Prv表示第v个待识别图像的初步识别结果中全部六类故障类别概率的集合；表示第v个待识别图像的初步识别结果属于第0类故障的概率；表示第v个待识别图像的初步识别结果属于第1类故障的概率；表示第v个待识别图像的初步识别结果属于第2类故障的概率；表示第v个待识别图像的初步识别结果属于第3类故障的概率；表示第v个待识别图像的初步识别结果属于第4类故障的概率；表示第v个初步识别结果属于第5类故障的概率；所述待识别图像的初步识别结果，定义为： 其中，Rfirst表示待识别图像的初步识别结果；所述待识别图像的最终识别结果，定义为： 且 其中，Rfinal表示待识别图像的最终识别结果，NRe表示待识别图像的最终识别结果的数量；表示第ε个待识别图像的最终识别结果中预测框左上角的坐标；表示第ε个待识别图像的最终识别结果中预测框右下角的坐标；plabelε表示第ε个待识别图像的最终识别结果属于哪一类故障。

全文数据：

权利要求：

百度查询： 武汉理工大学 一种车站货运列车车厢异常故障的自动识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD