一种轨道机车脱轨检测方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937798A(43)申请公布日2023.04.07(21)申请号202211741335.X(22)申请日2022.12.30(71)申请人重庆赛迪奇智人工智能科技有限公司地址400043重庆市渝中区华盛路7号17-1#(72)发明人张志勇夏云龙袁超陈凌云(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师钟扬飞(51)Int.Cl.G06V20/54(2022.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书2页说明书6页附图2页(54)发明名称一种轨道机车脱轨检测方法及装置(57)摘要本申请提供一种轨道机车脱轨检测方法及装置，该方法包括：预先构建机车脱轨识别模型；获取轨道机车的车轮与轨道之间的待测图片；通过机车脱轨识别模型对待测图片进行机车脱轨检测，得到机车在轨状态；根据机车在轨状态判断轨道机车是否脱轨；并在轨道机车脱轨时，输出机车脱轨报警信息。可见，该方法及装置能够及时检测到机车脱轨，节约造价，降低系统复杂度，具有更广的适应性。CN115937798ACN115937798A权利要求书1/2页1.一种轨道机车脱轨检测方法，其特征在于，包括：预先构建机车脱轨识别模型；获取轨道机车的车轮与轨道之间的待测图片；通过所述机车脱轨识别模型对所述待测图片进行机车脱轨检测，得到机车在轨状态；根据所述机车在轨状态判断所述轨道机车是否脱轨；如果是，则输出机车脱轨报警信息。2.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述预先构建机车脱轨识别模型，包括：获取列车轮对与轨道的样本图片；其中，该图片包括脱轨图片和未脱轨图片；对所述样本图片进行标定，得到标定样本图片；通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型。3.根据权利要求2所述的轨道机车脱轨检测方法，其特征在于，所述通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型，包括：采用卷积神经网络构建原始神经网络模型；使用预先配置的深度学习库和所述标定样本图片对所述原始神经网络模型进行训练，得到训练好的模型参数；根据所述模型参数和所述原始神经网络模型生成机车脱轨识别模型。4.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述获取轨道机车的车轮与轨道之间的待测图片，包括：使用高清广角摄像头采集轨道机车的轮对与轨道贴合的待测图片；其中，所述高清广角摄像头安装于所述轨道机车每一节车厢的头部位置。5.根据权利要求1所述的轨道机车脱轨检测方法，其特征在于，所述根据所述机车在轨状态判断所述轨道机车是否脱轨，包括：根据所述机车在轨状态确定所述轨道机车的持续脱轨时间；判断所述持续脱轨时间是否大于预设时间阈值；如果是，则确定所述轨道机车脱轨，并执行所述的输出机车脱轨报警信息。6.一种轨道机车脱轨检测装置，其特征在于，所述轨道机车脱轨检测装置包括：构建单元，用于预先构建机车脱轨识别模型；获取单元，用于获取轨道机车的车轮与轨道之间的待测图片；脱轨检测单元，用于通过所述机车脱轨识别模型对所述待测图片进行机车脱轨检测，得到机车在轨状态；判断单元，用于根据所述机车在轨状态判断所述轨道机车是否脱轨；输出单元，用于当判断出所述轨道机车脱轨时，输出机车脱轨报警信息。7.根据权利要求6所述的轨道机车脱轨检测装置，其特征在于，所述构建单元包括：获取子单元，用于获取列车轮对与轨道的样本图片；其中，该图片包括脱轨图片和未脱轨图片；标定子单元，用于对所述样本图片进行标定，得到标定样本图片；训练子单元，用于通过所述标定样本图片对原始神经网络模型进行训练，得到机车脱轨识别模型。2CN115937798A权利要求书2/2页8.根据权利要求7所述的轨道机车脱轨检测装置，其特征在于，所述训练子单元包括：构建模块，用于采用卷积神经网络构建原始神经网络模型；训练模块，用于使用预先配置的深度学习库和所述标定样本图片对所述原始神经网络模型进行训练，得到训练好的模型参数；生成模块，用于根据所述模型参数和所述原始神经网络模型生成机车脱轨识别模型。9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的轨道机车脱轨检测方法。10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至5任一项所述的轨道机车脱轨检测方法。3CN115937798A说明书1/6页一种轨道机车脱轨检测方法及装置技术领域[0001]本申请涉及数据处理技术领域，具体而言，涉及一种轨道机车脱轨检测方法及装置。