[发明专利]列车车体破损的智能识别方法及识别装置

说明书

本发明涉及车辆检测技术领域，公开了提供一种列车车体破损的智能识别方法及识别装置，列车车体破损的智能识别方法包括：采用关于列车的样本图像分别训练用于定位车体在图像中的位置的定位模型和用于识别车体破损情况的识别模型；采集待检测列车的图像数据；将图像数据输入至定位模型，以确定待检测列车的车体在对应图像中的定位信息；以及将待检测列车的图像数据和定位信息输入至识别模型，以确定待检测列车的车体破损情况。通过上述方案，采用根据列车样本图像训练的定位和识别模型，对车体破损进行自动识别，实现对列车车体破损情况的实时监控，降低车体破损情况检查和维修的作业强度和人工成本，实现车体破损问题的自动追踪，提高工作效率。

技术领域

本发明涉及铁路车辆检测技术领域，具体地涉及列车车体破损的智能识别方法及识别装置。

背景技术

在列车的日常运行过程中，列车车体、走行部容易受外界及自身磨耗等因素的影响，出现部件丢失、破损等情况。尤其是货车，在沿线装、卸货场等地，容易因采用挖掘机作业等作业方式，而对货车车体表面造成损伤。

但目前对列车车体完好状况的检查主要依靠人工检修，人工检修存在劳动强度大，容易出现漏检的问题。因此，单纯人工检修作业的方式已经难以满足日益增强的列车安全防范管理要求。

发明内容

本发明的目的是为了克服现有技术存在的人工检修存在劳动强度大，容易出现漏检的问题，提供一种列车车体破损的智能识别方法及识别装置，该列车车体破损的智能识别方法能够根据待检测列车的图像数据自动识别待检测列车的图像数据车体破损情况。

为了实现上述目的，本发明实施例一方面提供一种列车车体破损的智能识别方法，所述列车车体破损的智能识别方法包括：采用关于列车的样本图像分别训练用于定位车体在图像中的位置的定位模型和用于识别车体破损情况的识别模型；采集待检测列车的图像数据；将所述图像数据输入至所述定位模型，以确定所述待检测列车的车体在对应图像中的定位信息；以及将所述待检测列车的所述图像数据和所述定位信息输入至所述识别模型，以确定所述待检测列车的车体破损情况。

优选的，在将所述图像数据输入至所述定位模型之前，所述列车车体破损的智能识别方法还包括：对所述图像数据进行增强处理。

优选的，所述对所述图像数据进行增强处理包括：利用拉普拉斯对比度增强和/或自适应log变换对所述图像进行增强处理。

优选的，所述训练用于定位车体在图像中的位置的定位模型和用于识别车体破损情况的识别模型包括：采用卷积神经网络CNN训练所述定位模型；和/或采用残差网络训练所述识别模型。

优选的，所述训练用于定位车体在图像中的位置的定位模型和用于识别车体破损情况的识别模型还包括：采用图形处理器GPU加速训练所述定位模型和/或所述识别模型。

根据本发明实施例的第二方面，提供一种列车车体破损的智能识别装置，所述列车车体破损的智能识别装置包括：训练模块，用于采用关于列车的样本图像分别训练用于定位车体故障位置的定位模型和用于识别车体破损情况的识别模型；采集模块，用于采集待检测列车的图像数据；定位模块，用于将所述图像数据输入至所述定位模型，以确定所述待检测列车的车体在对应图像中的定位信息；以及识别模块，将所述待检测列车的所述图像数据和所述定位信息输入至所述识别模型，以确定所述待检测列车的车体破损情况。

优选的，所述列车车体破损的智能识别装置还包括：预处理模块，用于在将所述图像数据输入至所述定位模型之前，对所述图像数据进行增强处理。

优选的，所述训练模块包括：定位训练子模块，用于采用卷积神经网络CNN训练所述定位模型；和/或识别训练子模块，用于采用残差网络训练所述识别模型。

优选的，所述训练模块还包括：加速模块，用于采用图形处理器GPU加速训练所述定位模型和/或所述识别模型。