[发明专利]铁路货车敞车车门折页折断故障图像识别方法

权利要求书

1.一种铁路货车敞车车门折页折断故障图像识别方法，其特征在于包括，

步骤一：建立敞车车门折页数据集，所述折页数据集中包括无故障敞车车门折页样本和故障敞车车门折页样本；无故障敞车车门折页样本中标记敞车车门区域、敞车车门折页部件和敞车车门折页锁闭装置部件，故障敞车车门折页样本标记故障区域；

步骤二：采用敞车车门折页数据集对基于Faster R-CNN深度学习卷积神经网络模型改进获得的改进后深度学习网络模型进行训练，获得训练后故障诊断模型；

所述改进后深度学习网络模型包括CNN卷积模块、无相关部件区域筛选模块、RPN网络模块、候选框精确位置逼近模块和候选框所属类别分类模块；

CNN卷积模块用于提取敞车车门折页样本的初级特征图；

无相关部件区域筛选模块用于提取敞车车门折页样本的纹理特征，并根据纹理特征标记敞车车门折页样本的无相关部件区域；

RPN网络模块用于根据无相关部件区域标记剔除初级特征图中的对应区域，并在无相关部件剔除后特征图中提取目标位置侯选框，得到侯选框粗定位特征图；

候选框精确位置逼近模块用于基于初级特征图在侯选框粗定位特征图中确定目标位置精确侯选框，得到目标精确位置；

候选框所属类别分类模块用于基于初级特征图根据侯选框粗定位特征图进行目标分类，得到目标故障分类结果；

步骤三：获取运行中整列货车图像，对整列货车图像进行预处理得到单辆货车的基础层图像与特征层图像，再进行加权融合得到单辆货车融合后图像；由单辆货车融合后图像定位敞车车门区域，获得所有待识别车门区域图像，输入至训练后故障诊断模型，获得故障识别结果。

2.根据权利要求1所述的铁路货车敞车车门折页折断故障图像识别方法，其特征在于，

步骤一敞车车门折页数据集的敞车车门折页样本通过对原始样本图像进行数据清洗以及数据扩增后获得。

3.根据权利要求2所述的铁路货车敞车车门折页折断故障图像识别方法，其特征在于，

步骤二中无相关部件区域筛选模块确定敞车车门折页样本的无相关部件区域的方法包括：

对敞车车门折页样本进行平滑滤波后，再进行高通滤波得到高频图像；通过设定阈值对高频图像进行二值化处理提取纹理特征，得到二值图像；再对二值图像进行形态学腐蚀和膨胀处理，得到以1表示的相关部件区域和以0表示的无相关部件区域。

4.根据权利要求3所述的铁路货车敞车车门折页折断故障图像识别方法，其特征在于，

步骤三中对整列货车图像进行预处理得到单辆货车的基础层图像与特征层图像的方法包括：对整列货车图像进行分割得到单辆货车敞车图像；

利用高斯卷积核对单辆货车敞车图像进行高斯卷积处理，得到模糊基础层图像；

将单辆货车敞车图像与模糊基础层图像进行差分处理，得到特征层图像。

5.根据权利要求4所述的铁路货车敞车车门折页折断故障图像识别方法，其特征在于，

将模糊基础层图像分成8×8个子块；对每个子块采用对比度限制的CLAHE算法进行直方图映射，得到均衡后直方图；采用插值的方法处理相邻均衡后直方图，实现子块间的融合，得到对比度增强后基础层图像；所述对比度限制阈值采用3.0。