一种用于轨道车辆的螺栓异常检测方法与流程

本发明涉及轨道车辆图像采集的，更具体的说是涉及一种用于轨道车辆的螺栓异常检测方法。

背景技术：

1、在轨道交通行业，螺栓在动车组、城轨、地铁等交通工具中起着关键的作用，用于紧固各种部件，然而，由于受到腐蚀、振动、冲击等多种因素的影响，在列车运行过程中，螺栓常常会出现问题，如松动、断裂甚至脱落。这些问题可能导致设备故障，甚至引发严重的安全事故，因此，对于轨道交通工具的维护保养过程中，螺栓松动、缺失等失效的检测变得至关重要。通过及时检测和处理螺栓失效问题，可以有效预防设备故障和安全事故的发生，确保轨道交通运输系统的稳定和安全运行。

2、目前，在轨道交通领域，螺栓松动、缺失的检测方法可分为两种，即人工巡检法和基于机器视觉的检测方法，针对人工巡检法，具体为工作人员会定期使用扳手拧紧螺栓，无论它们是否已经松动，以确保所有螺栓都保持紧固状态；或第一次拧紧后，工作人员会在螺栓和螺母上分别标记拧紧后的状态，通常使用防松线进行标记，在后续的检查中，人工只需查看螺栓和螺母上的防松线是否对齐，进而判断螺栓是否松动和缺失，但是此方法需要工作人员花费大量时间和精力，工作量巨大，效率低下，缺乏针对性，容易使工作人员产生视觉疲劳，特别是当需要检查大量种类多样、大小不一螺栓时人员容易疲劳，细微的问题在光照不足和疲劳的情况下难以发现，可能会带来潜在的安全隐患；针对基于机器视觉的检测方法，通常采用借助防松线，采用模版图像，利用深度学校相关算法对比模版图像和当前图像来检测螺栓是否松动和缺失，此种方法严重依赖模版图像，和模版图像对比的方法其检测结果偶然性较强，准确度低。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种用于轨道车辆的螺栓异常检测方法，该种螺栓异常检测方法能够快速识别螺栓是否发生异常，且准确判断异常的类型。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种用于轨道车辆的螺栓异常检测方法，包括如下步骤：

4、数据集制作步骤，获取若干张包含螺栓和防松线的图像，且以一定比例划分训练集、验证集以及测试集分别得到螺栓目标检测数据集和防松线分割数据集；

5、螺栓模型构建步骤，将所述螺栓目标检测数据集和防松线分割数据集分别输入对应的神经网络中进行训练并测试固化得到螺栓目标检测模型和防松线分割模型；

6、状态数据库构建步骤，定义每个螺栓在全车螺栓中的唯一编号，且定义每个螺栓所在图像中的对应编号，分析每个螺栓的最小外接矩形在图像中的坐标值，计算每个螺栓在近期任务中被认定为松动结果的概率，将每个螺栓通过定量描述计算其近期每次任务中的赋分值，将所述唯一编号、对应编号、坐标值、概率以及赋分值组合成为单个目标螺栓的数据列表，每个所述数据列表组合形成状态数据库；

7、螺栓状态判断步骤，将实际采集的图像根据螺栓目标检测模型和防松线分割模型分别输出结果，且将输出结果在状态数据库中索引对应的数据列表，根据该数据列表通过判断策略分析得到目标螺栓是否异常。

8、进一步的，所述定量描述包括通过每个螺栓的唯一编号和图像的编号统计每张图像中包含目标螺栓的数量，挑选此次检出任务中最小外接矩形的中心坐标的螺栓，且通过匹配策略分别向状态数据库中依据每个螺栓的最小外接矩形在图像中的坐标值匹配对应的螺栓，过滤未匹配上的螺栓信息。

9、进一步的，所述匹配策略包括计算检出的螺栓的最小外接矩形的中心点与状态数据库中所有螺栓的最小外接矩形在图像中的坐标值之间的欧氏距离，且挑选其欧氏距离的最小值，将最小值与距离阈值进行比较，根据其比较结果判断检出的螺栓是否为状态数据库中对应唯一编号的螺栓。

10、进一步的，所述赋分值的计算包括将目标螺栓的防松线分割模型的输出通过图像预处理得到分析图像，将所述分析图像进行轮廓检测得到防松线的数量和对应的面积，根据所述分析图像拟合出每个轮廓的最小外接矩形平行于最长边的中线，计算该中线与坐标轴的夹角。

11、进一步的，所述赋分值的计算公式配置为：

12、，

13、其中，--赋分值，--防松线的数量，--放松线的面积，--中线与坐标轴的夹角，均为大于等于0且小于1的常数，且相加等于1。

14、进一步的，所述赋分值包括此次任务最接近的十次任务的得分，其中每两相邻任务之间前一次任务的螺栓得分赋值给此次任务的螺栓得分。

15、进一步的，所述数据列表配置为：

16、，

17、其中，id--每个螺栓在全车螺栓中的唯一编号，d--每个螺栓所在图像中的对应编号，s--每个螺栓的最小外接矩形在图像中的坐标值，f--每个螺栓在近期任务中被认定为松动结果的概率， r10..... r1--分别为此次任务最近的10次任务此螺栓的得分。

18、进一步的，所述判断策略包括通过对数据列表中第一次任务的赋分值进行分析，若该赋分值为零，则认定目标螺栓为缺失状态，再挑选出数据列表中每次任务的赋分值在指定范围内的项计算方差，且计算数据列表中一半任务的赋分值的平均值，根据目标螺栓的赋分值在方差和平均值的计算范围内判断目标螺栓是否松动。

19、进一步的，所述判断公式配置为：

20、，

21、其中，--方差，--平均值，r--目标螺栓的赋分值，当c=1时，目标螺栓为正常，当c=0时，螺栓为松动。

22、进一步的，所述螺栓目标检测模型输入待检测图像，则输出包括有类别、检出物的最小外接矩形的中心点在图像中的横坐标和纵坐标、外接矩形的宽和高；所述防松线分割模型输入螺栓目标检测模型检出后的最小外接矩形所框选的图像区域，则输出对应的掩膜图像。

23、本发明的有益效果：通过大量的数据集训练较为准确的螺栓模型和防松线模型，再通过构建各类螺栓在不同状态的数据库，其中通过定量描述来计算近十次任务的赋分值，且每相邻两次任务进行对应赋分，将实际的图像通过上述的模型输出对应的结果，根据结果在状态数据库内索引对应的数据列表，根据数据列表通过判断策略判断螺栓的异常情况类型，相比于传统的人工检测或机器视觉检测，本发明的检测方法无需模版图像对比的可鲁棒、准确的实现螺栓松动、缺失。

技术特征：

1.一种用于轨道车辆的螺栓异常检测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述定量描述包括通过每个螺栓的唯一编号和图像的编号统计每张图像中包含目标螺栓的数量，挑选此次检出任务中最小外接矩形的中心坐标的螺栓，且通过匹配策略分别向状态数据库中依据每个螺栓的最小外接矩形在图像中的坐标值匹配对应的螺栓，过滤未匹配上的螺栓信息。

3.根据权利要求2所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述匹配策略包括计算检出的螺栓的最小外接矩形的中心点与状态数据库中所有螺栓的最小外接矩形在图像中的坐标值之间的欧氏距离，且挑选其欧氏距离的最小值，将最小值与距离阈值进行比较，根据其比较结果判断检出的螺栓是否为状态数据库中对应唯一编号的螺栓。

4.根据权利要求3所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述赋分值的计算包括将目标螺栓的防松线分割模型的输出通过图像预处理得到分析图像，将所述分析图像进行轮廓检测得到防松线的数量和对应的面积，根据所述分析图像拟合出每个轮廓的最小外接矩形平行于最长边的中线，计算该中线与坐标轴的夹角。

5.根据权利要求4所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述赋分值的计算公式配置为：

6.根据权利要求4所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述赋分值包括此次任务最接近的十次任务的得分，其中每两相邻任务之间前一次任务的螺栓得分赋值给此次任务的螺栓得分。

7.根据权利要求6所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述数据列表配置为：

8.根据权利要求1或7所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述判断策略包括通过对数据列表中第一次任务的赋分值进行分析，若该赋分值为零，则认定目标螺栓为缺失状态，再挑选出数据列表中每次任务的赋分值在指定范围内的项计算方差，且计算数据列表中一半任务的赋分值的平均值，根据目标螺栓的赋分值在方差和平均值的计算范围内判断目标螺栓是否松动。

9.根据权利要求8所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述判断公式配置为：

10.根据权利要求1所述一种用于轨道车辆的螺栓异常检测方法，其特征在于：所述螺栓目标检测模型输入待检测图像，则输出包括有类别、检出物的最小外接矩形的中心点在图像中的横坐标和纵坐标、外接矩形的宽和高；所述防松线分割模型输入螺栓目标检测模型检出后的最小外接矩形所框选的图像区域，则输出对应的掩膜图像。

技术总结本发明提供用于轨道车辆的螺栓异常检测方法，包括数据集制作步骤，制作得到螺栓目标检测数据集和防松线分割数据集；螺栓模型构建步骤，将上述的数据集分别输入神经网络中得到对应的模型；状态数据库构建步骤，定义每个螺栓的唯一编号和对应编号，分析每个螺栓的最小外接矩形在图像中的坐标值，计算每个螺栓在近期任务中被认定为松动的概率，将每个螺栓通过定量描述计算其近期每次任务中的赋分值，将上述因素组合成为单个目标螺栓的数据列表，每个所述数据列表组合形成状态数据库；螺栓状态判断步骤，将实际采集的图像通过模型输出在库中索引数据列表，进一步判断螺栓是否异常；本发明优点是快速识别螺栓是否发生异常，且准确判断异常的类型。技术研发人员：李鑫,汪华靖,洪诚康,蒋邦亮,涂文豪,万辰飞受保护的技术使用者：中数智科（杭州）科技有限公司技术研发日：技术公布日：2024/8/1