用于轨道列车的配件质量检测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110458794A(43)申请公布日2019.11.15(21)申请号201910434385.5G06Q50/30(2012.01)(22)申请日2019.05.23(71)申请人上海离原工程自动化有限公司地址200435上海市嘉定区陈翔路88号6幢4楼A区4138室(72)发明人孙稳晋郑敏(74)专利代理机构北京聿华联合知识产权代理有限公司11611代理人张文娟朱绘(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06K9/62(2006.01)G06Q10/00(2012.01)G06Q10/06(2012.01)权利要求书2页说明书7页附图3页(54)发明名称用于轨道列车的配件质量检测方法及装置(57)摘要本发明提供一种用于轨道列车的配件质量检测方法，其包含：采集轨道列车上待检修配件的图像信息，并将图像信息上传至检测模型；通过检测模型，对图像信息进行内容特征提取以及风格特征提取，通过待检修配件上的识别点判断待检修配件是否合格，得到质量检测结果。本发明能够对轨道列车上的配件进行质量检测，构建了可以实时检测零件图像信息的检测模型。本发明提供了关键配件检测工作的机器辅助，对零部件特征自动化采集，为检测工作添加一道保障，减轻检测工作量，提高检测的准确率，降低漏检的可能性，简化拍摄存储留底等工作流程。CN110458794ACN110458794A权利要求书1/2页1.一种用于轨道列车的配件质量检测方法，其特征在于，所述方法包含以下步骤：采集所述轨道列车上待检修配件的图像信息，并将所述图像信息上传至检测模型；通过所述检测模型，对所述图像信息进行内容特征提取以及风格特征提取，通过所述待检修配件上的识别点判断所述待检修配件是否合格，得到质量检测结果。2.如权利要求1所述的方法，其特征在于，所述方法还包含：构建所述检测模型，其中：进行前期图片采集，通过图像采集设备，采集图片质量符合要求的多角度的配件图片信息；对采集到的所述配件图片信息进行预处理，得到带有标签的图片训练集；基于带有标签的图片训练集，对初始检测模型进行训练，得到具有深度学习框架的检测模型；针对场景的变化衍生，对具有深度学习框架的检测模型进行迭代调优，得到所述检测模型。3.如权利要求2所述的方法，其特征在于，得到所述配件图片信息的步骤中，还包含：对采集到的图片进行筛选处理，其中，所述筛选处理包含：图像清晰度筛选以及关键点清晰度筛选；将经过筛选处理后的图片进行分割处理，基于图像清晰度要求以及关键点清晰度要求分割为合格图片以及不合格图片，将所述合格图片作为所述配件图片信息。4.如权利要求2所述的方法，其特征在于，得到带有标签的图片训练集的步骤中，还包含：对所述配件图片信息进行约定标签处理，确定图片中的零件整体轮廓以及检测点位置；对于经过预定标签处理的配件图片信息进行标签化处理，得到带有标签的图片训练集。5.如权利要求2所述的方法，其特征在于，得到具有深度学习框架的检测模型的步骤中，还包含：对带有标签的图片训练集进行数据清洗；基于大数据框架，结合配件的检测角度范围构建初始检测模型；基于经过数据清洗后的图片训练集，对所述初始检测模型进行深度学习训练，得到具有深度学习框架的检测模型。6.如权利要求2所述的方法，其特征在于，对所述具有深度学习框架的检测模型进行迭代调优的步骤中，还包含：在不同的场景下，分别对具有深度学习框架的检测模型进行调优处理，其中，所述场景包含不同的配件故障情况。7.如权利要求1-6中任一项所述的方法，其特征在于，所述质量检测结果包含配件安装状态、卡控点状态以及错误类型。8.如权利要求1-7中任一项所述的方法，其特征在于，进行配件质量检测的情况包含：检修人员进行配件更换任务后，审核人员进行人工审核后。9.一种用于轨道列车的配件质量检测装置，其特征在于，所述装置包含：采集模块，其用于采集所述轨道列车上待检修配件的图像信息，并将所述图像信息上2CN110458794A权利要求书2/2页传至检测模型；检测模型，其配置为：对所述图像信息进行内容特征提取以及风格特征提取，通过所述待检修配件上的识别点判断所述待检修配件是否合格，得到质量检测结果。3CN110458794A说明书1/7页用于轨道列车的配件质量检测方法及装置技术领域[0001]本发明涉及质量监测领域，具体地说，涉及一种用于轨道列车的配件质量检测方法及装置。背景技术[0002]机车的检修及运用中，对关键配件的检测十分严格，人工检测工作量非常大，但是人工检测始终存在惯性思维导致的误检、漏检风险。动车关键部件在动车行驶过程中，起着至关重要的作用，关系到乘客的生命财产安全。[0003]目前动车组关键配件