[发明专利]一种货车图像自动识别方法及识别系统

说明书

一种货车图像自动识别方法及识别系统，本发明涉及货车图像自动识别方法及识别系统。本发明的目的是为解决现有现有的自动识别方法存在部件的定位和识别准确率低，以及硬件成本高的问题。一、获取线阵图像，对线阵图像中相同工位进行拼接，获得每种工位的拼接图像；将所有工位的拼接图像进行拼接，恢复成连续图像；将连续图像按固定宽度，切分为多个小图像；二、得到训练好的定位网络模型；三、将待测货车图像输入训练好的定位网络模型，输出待测图像中各部件的类别、位置和各部件的分割结果，得到待测图像中各部件的子图；四、对待测图像中各部件的子图进行货车故障识别，获得识别结果。本发明属于故障图像识别领域。

技术领域

本发明属于故障图像识别领域，具体涉及基于货车图像自动识别方法及识别系统。

背景技术

传统的人工检车方式，是按工位通过人工检查图像的方式进行故障检测。随着铁路货车运量的不断增加，为保证列检时间，需要大量检车人员，劳动强度极高。并且检车人员每天需要面对海量图像，容易产生疲劳漏检，误检，危及行车安全。

而现有的自动识别方法存在以下两个问题：首先，大部分都是通过轴距信息和先验知识，将图像先分割成子图，再进行识别；亦或是参照人工检车方式，对于不同工位分别进行定位、识别。这两种方式均需要依赖于轴距信息，当轴距信息不准确时，工位划分和子图均有可能发生偏移，从而影响部件的定位和识别，导致部件的定位和识别准确率低。其次，识别的总耗时会随着需要识别的部件数量、工位数量的增加而线性增长，当超出一定范围时，如果仍需保证列检时间要求，只能增加硬件成本，导致硬件成本高。

发明内容

本发明的目的是为解决现有现有的自动识别方法存在部件的定位和识别准确率低，以及硬件成本高的问题，而提出一种货车图像自动识别方法及识别系统。

本发明为解决上述技术问题所采取的技术方案是：

一种货车图像自动识别方法包括以下步骤：

步骤一、在货车轨道周围搭建成像设备，对运行的货车进行拍摄，获取线阵图像，对线阵图像中相同工位进行拼接，获得每种工位的拼接图像；

将所有工位的拼接图像进行拼接，恢复成连续图像；

将连续图像按固定宽度，切分为多个小图像，相邻小图像之间留有重叠区域；

步骤二、将拆分后的小图像输入预先建立的定位网络模型U-Mask-RCNN进行训练，得到训练好的定位网络模型U-Mask-RCNN；

步骤三、将待测货车图像输入训练好的定位网络模型U-Mask-RCNN，对待测图像中各部件进行定位，输出待测图像中各部件的类别Class、位置Box和各部件的分割结果Mask，得到待测图像中各部件的子图；

步骤四、对骤三得到的待测图像中各部件的子图进行货车故障识别，获得识别结果。

可选的，步骤一中将所有工位的拼接图像进行拼接，恢复成连续图像；具体过程为：

如果所有工位的拼接图像的边界值信息都存在，则根据边界值信息，将所有工位的拼接图像进行拼接，恢复成连续图像；

若所有工位的拼接图像中有大于等于一种工位的拼接图像的边界值信息不存在，则采用图像处理算法处理边界值信息不存在的工位的拼接图像，使所有工位的拼接图像的边界值信息都存在，进而得到拼接后的连续图像。

可选的，图像处理算法具体过程为：

通过检测并提取边界图像的特征和关键点，使用RANSAC算法匹配特征向量，估计单应矩阵，确定不存在边界值信息的工位的拼接图像的边界信息。

可选的，步骤二中的定位网络模型U-Mask-RCNN包括卷积块C1、卷积块C2、卷积块C3、卷积块C4、卷积块C5、RPN、ROI Align；