专利汇可以提供铁路货车滚轴承甩油故障检测方法专利检索,专利查询,专利分析的服务。并且铁 路货车滚 轴承 甩油故障检测方法,本 发明 涉及铁路货车故障检测方法。本发明的目的是为了解决现有铁路货车滚轴承甩油故障检测准确率差,效率低的问题。过程为:一、线阵图像获取;二、粗 定位 ;三、数据集图像预处理;四、故障目标分类:四一:搭建神经网络分类模型;四二:把预处理后的数据集图像归一化作为训练集输入到神经网络分类模型中;四三:神经网络分类模型损失函数是所有三预处理后的数据集图像的交叉熵损失函数的平均值;四四:更新神经网络分类模型的权重参数;四五:获得训练好的神经网络分类模型;五、判断待测铁路货车线阵图像是否为 滚动轴承 甩油故障图像。本发明用于货车滚轴承甩油故障检测领域。,下面是铁路货车滚轴承甩油故障检测方法专利的具体信息内容。
1.铁路货车滚轴承甩油故障检测方法,其特征在于:所述方法具体过程为:
步骤一、线阵图像获取;
步骤二、粗定位;
步骤三、数据集图像预处理;
步骤四、故障目标分类;具体过程为:
步骤四一:搭建神经网络分类模型,包括特征提取网络、多尺度融合单元、分类层;
步骤四二:把步骤三预处理后的数据集图像归一化到512*512,作为训练集输入到步骤四一搭建好的神经网络分类模型中;
步骤四三:假设某个样本的真实标签为yt,该样本的yt=1的概率为yp,则该样本的交叉熵损失函数如下式所示:
log(yt|yp)=-(yt×log(yp)+(1-yt)log(1-yp))
神经网络分类模型损失函数是所有步骤三预处理后的数据集图像的交叉熵损失函数的平均值;
步骤四四:根据交叉熵损失函数进行误差反向传播和梯度下降,并更新神经网络分类模型的权重参数;
步骤四五:重复步骤四三到四四,直至损失函数逐渐收敛并稳定,确定目前神经网络分类模型权重参数为训练好的神经网络的分类模型权重参数,进而获得训练好的深度学习滚动轴承甩油故障神经网络分类模型;
步骤五、判断待测铁路货车线阵图像是否为滚动轴承甩油故障图像。
2.根据权利要求1所述铁路货车滚轴承甩油故障检测方法,其特征在于:所述步骤一中线阵图像获取;具体过程为:
利用固定设备搭载线阵相机,对运动的铁路货车进行拍摄,拍摄铁路货车的上部、两侧及底部的全车图像;
通过被测物的移动速度计算线阵相机的拍摄频率,进行连续的拍照,将所拍下的条形图象,合并成一张完整的图像。
3.根据权利要求1或2所述铁路货车滚轴承甩油故障检测方法,其特征在于:所述步骤二中粗定位;具体过程为:
根据硬件的轴距信息和滚动轴承甩油位置先验知识,从全车的完整的图像信息中裁剪出感兴趣区域。
4.根据权利要求3所述铁路货车滚轴承甩油故障检测方法,其特征在于:所述步骤三中数据集图像预处理;具体过程为:
步骤三一:建立原始数据集;
根据粗定位获得待识别部件的感兴趣区域图像,建立原始的数据集;
步骤三二:对步骤三一建立的原始的数据集采用对比度增强、直方图均衡化、随机缩放的图像处理方式进行数据扩增操作;
步骤三三:数据标记:
采用多标签分类数据集,多标签包含转向架类型和是否甩油。
5.根据权利要求4所述铁路货车滚轴承甩油故障检测方法,其特征在于:所述步骤四一中搭建神经网络分类模型,包括特征提取网络、多尺度融合单元、分类层;具体过程为:
所述的特征提取网络采用4个下采样的稠密块1、稠密块2、稠密块3、稠密块4单元;
稠密块1单元包含六组卷积单元,每组卷积单元包含1*1和3*3的卷积,其中第一组卷积单元的输出作为第二组、第三组、第四组、第五组、第六组的卷积单元输入,其中第二组卷积单元的输出作为第三组、第四组、第五组、第六组的卷积单元输入,其中第三组卷积单元的输出作为第四组、第五组、第六组的卷积单元输入,其中第四组卷积单元的输出作为第五组、第六组的卷积单元输入,其中第五组卷积单元的输出作为第六组的卷积单元输入;
稠密块2单元与稠密块1单元相同;
稠密块3单元与稠密块1单元相同;
稠密块4单元与稠密块1单元相同;
多尺度融合单元就是把第一个子尺度特征提取单元、第二个子尺度特征提取单元、第三个子尺度特征提取单元的不同层级的输出直接拼接到最后的输出,形成每个阶段层级间的高速通路;
所述第一个子尺度特征提取单元是由稠密块1的输出先经过一个下采样单元,下采样单元由一个最大池化层组成,下采样层的输出再经过一个1*1的卷积,最后经过一个连接操作输出到第二个子尺度特征单元;
所述第二个子尺度特征提取单元是由稠密块2的输出先经过一个下采样单元,下采样单元由一个最大池化层组成,下采样层的输出和第一个子尺度特征单元再经过一个1*1的卷积,最后经过一个连接操作输出到第三个子尺度特征单元;
所述第三个子尺度特征提取单元是由稠密块3的输出先经过一个下采样单元,下采样单元由一个最大池化层组成,下采样层的输出和第二个子尺度特征单元再经过一个1*1的卷积,最后经过一个连接操作输出和Dense Block4融合输入到最后的分类层;
所述的分类层采用sigmoid函数,sigmoid函数如下式所示:
sigmoid函数:将得分结果转换为概率进行分类;
输入x属于任意实数值,输出范围是0到1。
6.根据权利要求5所述铁路货车滚轴承甩油故障检测方法,其特征在于:所述步骤五中判断待测铁路货车线阵图像是否为滚动轴承甩油故障图像;
步骤五一:把训练好的神经网络的分类模型权重精度从32位转换成16位精度;
步骤五二:神经网络预测;
获得待测铁路货车线阵图像,输入转换成16位精度的神经网络分类模型中,进行分类预测;
步骤五三:根据预测结果,若为滚动轴承甩油故障图像,将滚动轴承甩油故障的信息,上传报警平台;若不为滚动轴承甩油故障图像,则检测下一幅待测铁路货车线阵图像。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于增强现实的机械组件质检方法及系统 | 2020-05-08 | 809 |
用于具有模式切换的深度相机模式的成像架构 | 2020-05-08 | 874 |
智能柜物体检测方法、装置、服务器及存储介质 | 2020-05-08 | 796 |
使用超声波深度感测的RGB-D成像系统和方法 | 2020-05-08 | 124 |
一种基于视觉信息的环境语义感知方法 | 2020-05-08 | 818 |
一种基于图像修复的三维目标检测方法和系统 | 2020-05-11 | 407 |
铁路货车滚轴承甩油故障检测方法 | 2020-05-11 | 86 |
具有追踪功能的自动驾驶系统 | 2020-05-11 | 955 |
基于深度学习的无监督端到端的驾驶环境感知方法 | 2020-05-08 | 508 |
一种行李标签自动识别装置 | 2020-05-08 | 849 |
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。