一种方孔锁错位检测方法、介质及系统与流程

本发明主要涉及轨道交通的方位锁，具体涉及一种方孔锁错位检测方法、介质及系统。

背景技术：

1、方孔锁正常状态下，锁芯的红色标记点指向方孔锁外圈的红色标记点，在方孔锁发生错位时，锁芯的红色标记点指向方孔锁外圈的绿色标记点。目前，对车底的方孔锁错位的判断，都是基于检修工的人工检测，由于人工的长时间作业，会使得检修人注意力下降，这使得判断结果会带来很大的主观性，由于各类异常情况，会造成漏报、误报，这对列车的安全性会带来很大的隐患，同时人工检测费时费力，对于人工的成本也有很大的消耗。因此，迫切需要一种智能化的手段来自动对车底方孔锁进行判断，而目前在城轨的检修领域，还没有基于深度学习和传统算法结合的方孔锁的检测的相关研究。

技术实现思路

1、本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种提高检测精度的方孔锁错位检测方法、介质及系统。

2、为解决上述技术问题，本发明提出的技术方案为：

3、一种方孔锁错位检测方法，包括步骤：

4、s1、获取方位锁图像样本数据；

5、s2、将所述方位锁图像样本数据输入至预先构建的方位孔定位模型中，定位方孔锁位置，并提取方孔锁位置区域的图片；

6、s3、将方孔锁位置区域的图片转换到hsv颜色空间中，设置红色区域提取阈值，提取方孔锁锁芯红色区域，得到方孔锁锁芯红色区域的中心点；

7、s4、计算红色区域中心位置到方孔锁上边界中心点的距离，并将红色区域中心位置到方孔锁上边界中心点的距离与预设标准阈值进行比较，并根据比较结果来判断方孔锁是否错位。

8、优选地，在步骤s1中，在获取方位锁图像样本数据后，对图像样本数据进行预处理；预处理包括采用数据增强对样本进行扩充。

9、优选地，所述数据增强包括亮度增强和裁剪增强；所述亮度增强用于对图片进行亮度增强以使得图片更加清晰；所述裁剪增强用于通过裁剪不同角度的图片以使得图像样本数据的数量更加充分均匀。

10、优选地，其中方位孔定位模型基于yolo深度学习网络来构建，具体构建过程为：

11、对方位锁图像样本数据进行标注，标注类别为方孔锁；

12、对标注后的方位锁图像样本数据进行数据增强，制作训练用的训练数据集、验证集以及测试集；

13、采用yolov4深度学习算法对制作好的数据集进行方孔锁定位模型训练，并通过验证集和测试集来验证及测试以得到最终的方位孔定位模型。

14、优选地，所述在步骤s3中，红色区域提取阈值为：h方向设置0-180，s方向设置170-255，v方向设置100-255。

15、优选地，在步骤s4中，当红色区域中心位置到方孔锁上边界中心点的距离与预设标准阈值之间的差值大于预设值时，则判断方孔锁错位，否则判定方孔锁正常。

16、优选地，所述预设值为4-6mm。

17、优选地，在步骤s1中，在已经获取的巡检图片，对采集的巡检图片进行标注，检测类别为方孔锁一类，进而得到方位锁图像样本数据。

18、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

19、本发明进一步公开了一种方孔锁错位检测系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

20、与现有技术相比，本发明的优点在于：

21、本发明基于基于深度学习和hsv颜色识别的方孔锁错位检测，其改进之处在于采用深度学习和传统算法结合的方式来提高方孔锁错位的检出率；其中采用yolo深度学习定位的方法准确定位方孔锁的位置，能够精准检测需要检测的方孔锁，不受其他部件的影响，提高后续方孔锁锁芯红色标记点的提取准确率；采用hsv颜色识别能够充分利用方孔锁的信息，利用方孔锁错位时，锁芯的红色标记点会发生位置变化，监测红色区域的中心点变化就能判断方孔锁是否发生错位，进一步提高检测的准确性。

技术特征：

1.一种方孔锁错位检测方法，其特征在于，包括步骤：

2.根据权利要求1所述的方孔锁错位检测方法，其特征在于，在步骤s1中，在获取方位锁图像样本数据后，对图像样本数据进行预处理；预处理包括采用数据增强对样本进行扩充。

3.根据权利要求2所述的方孔锁错位检测方法，其特征在于，所述数据增强包括亮度增强和裁剪增强；所述亮度增强用于对图片进行亮度增强以使得图片更加清晰；所述裁剪增强用于通过裁剪不同角度的图片以使得图像样本数据的数量更加充分均匀。

4.根据权利要求1或2或3所述的方孔锁错位检测方法，其特征在于，其中方位孔定位模型基于yolo深度学习网络来构建，具体构建过程为：

5.根据权利要求1或2或3所述的方孔锁错位检测方法，其特征在于，所述在步骤s3中，红色区域提取阈值为：h方向设置0-180，s方向设置170-255，v方向设置100-255。

6.根据权利要求1或2或3所述的方孔锁错位检测方法，其特征在于，在步骤s4中，当红色区域中心位置到方孔锁上边界中心点的距离与预设标准阈值之间的差值大于预设值时，则判断方孔锁错位，否则判定方孔锁正常。

7.根据权利要求6所述的方孔锁错位检测方法，其特征在于，所述预设值为4-6mm。

8.根据权利要求1或2或3所述的方孔锁错位检测方法，其特征在于，在步骤s1中，在已经获取的巡检图片，对采集的巡检图片进行标注，检测类别为方孔锁一类，进而得到方位锁图像样本数据。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1～8中任意一项所述方法的步骤。

10.一种方孔锁错位检测系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1～8中任意一项所述方法的步骤。

技术总结
本发明公开了一种方孔锁错位检测方法、介质及系统，方法包括步骤：S1、获取方位锁图像样本数据；S2、将所述方位锁图像样本数据输入至预先构建的方位孔定位模型中，定位方孔锁位置，并提取方孔锁位置区域的图片；S3、将方孔锁位置区域的图片转换到HSV颜色空间中，设置红色区域提取阈值，提取方孔锁锁芯红色区域，得到方孔锁锁芯红色区域的中心点；S4、计算红色区域中心位置到方孔锁上边界中心点的距离，并将红色区域中心位置到方孔锁上边界中心点的距离与预设标准阈值进行比较，并根据比较结果来判断方孔锁是否错位。本发明具有检测精度高等优点。

技术研发人员：陈豪,李晨,孙木兰,肖雄,皮魏,刘雨聪,田野,姚巍巍
受保护的技术使用者：株洲中车时代软件技术有限公司
技术研发日：
技术公布日：2024/2/1