专利汇可以提供铁路货车轮轮辋及踏面的破损识别方法专利检索,专利查询,专利分析的服务。并且铁 路货 车轮 轮辋 及踏面的破损识别方法,涉及 物联网 技术领域。本 发明 是为了解决现有人工对货车进行故障检测时,容易检测结果不准确,进而容易导致故障不能够及时发现的问题。本发明所述的铁路货车轮轮辋及踏面的破损识别方法,利用图像自动识别的方式代替人工检测,提高故障识别检测效率、准确率,降低人 力 成本。将 深度学习 应用到部件 定位 及故障检测中,能够有效提高 算法 的鲁棒性和准确率。在对Faster rcnn深度学习网络进行训练后,采用tensorRT对网络进行 加速 优化,既保证了预测的准确率,又保证了其运行效率。,下面是铁路货车轮轮辋及踏面的破损识别方法专利的具体信息内容。
1.铁路货车轮轮辋及踏面的破损识别方法,其特征在于,包括以下步骤:
训练数据集建立步骤:
采集不同型号铁路货车处于不同时间、地点和环境下的车轮图片建立样本库,所述车轮图片包括正常状态下的车轮图片和故障状态下的车轮图片,
分别将每一幅图片划分出8~10个区域,对每个区域是否存在故障进行标注、并生成相应的标签文件,
利用所有的车轮图片及其对应的标签文件建立Faster rcnn目标检测网络的训练数据集;
权重训练步骤:
将训练数据集代入Faster rcnn目标检测网络模型中,对Faster rcnn目标检测网络模型进行训练,获得Faster rcnn目标检测网络模型权重值,并将该权重值代入Faster rcnn目标检测网络模型中,完成模型训练;
图片采集步骤:采集待识别的车轮图片作为检测图片;
故障识别步骤:将检测图片输入训练好的Faster rcnn目标检测网络模型中,获得识别结果。
2.根据权利要求1所述的铁路货车轮轮辋及踏面的破损识别方法,其特征在于,权重训练步骤中,在完成模型训练之后,还使用tensorRT对训练好的模型进行优化。
3.根据权利要求1或2所述的铁路货车轮轮辋及踏面的破损识别方法,其特征在于,样本库中不仅包括采集到的图片,还包括对采集到的图片进行拉伸、旋转和镜像后的图片。
4.根据权利要求1或2所述的铁路货车轮轮辋及踏面的破损识别方法,其特征在于,在权重训练步骤中,Faster rcnn目标检测网络采用Inception v2预训练网络模型进行训练。
5.根据权利要求1或2所述的铁路货车轮轮辋及踏面的破损识别方法,其特征在于,图片采集步骤中,将所有检测图片的尺寸进行统一。
6.根据权利要求1或2所述的铁路货车轮轮辋及踏面的破损识别方法,其特征在于,对于每节有8个车轮的列车,将每节货车的车轮图像均融合成大小为(8,512,512,3)的矩阵。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种提高量子密钥分发系统成码率的方法及装置 | 2020-05-08 | 410 |
一种图像拼接篡改的检测方法 | 2020-05-08 | 855 |
基于深度学习的植物病虫害识别方法 | 2020-05-08 | 586 |
一种基于射频标签技术的图书馆图书信息管理系统 | 2020-05-11 | 948 |
一种基于深度学习的遥感影像自动标注方法 | 2020-05-11 | 193 |
一种基于粒子群优化神经网络的交通流预测方法 | 2020-05-08 | 834 |
一种基于深度学习的2D+3D大飞机外形缺陷检测与分析方法 | 2020-05-08 | 102 |
一种铁路货车地板破损故障图像识别方法 | 2020-05-08 | 468 |
铁路货车轮轮辋及踏面的破损识别方法 | 2020-05-08 | 197 |
一种基于深度学习的疲劳检测方法 | 2020-05-08 | 907 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。