本发明公开了一种基于图像的列车空气弹簧的故障检测方法，通过数据采集设备采集空气弹簧图像并进行预处理；得到符合YOLOv4‑t i ny和GANoma l y网络需要大小的图片，将符合要求的图片通过训练后的YOLOv4‑t i ny模型进行故障检测，根据两个模型的检测结果，最后判定空气弹簧是否故障。通过本发明的方法可以训练得到一个高效的故障检测网络，此网络可快速准确的识别故障，并且在出现新的故障类型时可通过采集故障数据，加入训练的方式不断迭代更新，使得识别效果越来越好，在极其复杂的工作场景下，满足整个工程需要。
本发明公开了一种用于列车闸片部件异常检测的方法，步骤如下：步骤一、将采集到的闸片数据进行图像预处理；步骤二、利用Yo l oV4‑t i ny目标检测模型加载训练好的权重文件，对闸片图片进行钩子部件定位以及销子部件的异常检测，Yo l oV4‑t i ny目标检测模型对销子进行一步到位检测并输出检测结果；步骤三、同时利用Yo l oV4‑t i ny目标检测模型对钩子部件定位，将钩子部件区域截出，再使用改进的OC‑CNN异常检测网络对钩子截图进行检测；步骤四、通过OC‑CNN检测钩子截图得到异常分数，判断钩子是否存在异常并输出检测结果；步骤五、综合Yo l oV4‑t i ny以及改进OC‑CNN的检测结果，得到整个闸片的详细异常信息。本发明Yo l oV4‑t i ny与OC‑CNN组成一个完整的闸片异常检测模型，能够快速，准确，高效完成闸片的异常检测。
