(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211253984.5 (22)申请日 2022.10.13 (71)申请人 哈尔滨市科佳通用机电股份有限公 司 地址 150060 黑龙江省哈尔滨市经开区哈 平路集中区潍 坊路2号 (72)发明人 崔雪松　马凌宇　秦昌　 (74)专利代理 机构 哈尔滨市松花江专利商标事 务所 23109 专利代理师 张换男 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/25(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种墙板破损的异常检测方法及检测系统 (57)摘要 一种墙板破损的异常检测方法及检测系统， 本发明涉及墙板破损的异常检测方法及检测系 统。 本发明的目的是为了解决现有对原始货车图 像数据集进行扩增的方法会致使在训练过程中 原始货车图片中的故障形态尺 寸改变， 模型训练 精度差的问题。 过程为： 步骤一、 图像的采集； 步 骤二、 建立数据集； 步骤三、 获得用于检测墙板破 损的神经网络模型； 步骤四、 通过训练好的墙板 破损网络模 型对待测货车墙板进行判别， 若不存 在故障则继续检测下一张图像， 若存在故障则执 行步骤五； 步骤五、 输出 故障所在位置。 一种墙板 破损的异常检测系统用于执行一种墙板破损的 异常检测方法。 本发明用于墙板破损的异常检测 领域。 权利要求书2页 说明书6页 附图2页 CN 115424129 A 2022.12.02 CN 115424129 A 1.一种墙板破损的异常检测方法， 其特 征在于： 所述方法具体过程 为： 步骤一、 图像的采集； 步骤二、 建立数据集： 根据列车车底轴距、 车型和先验知识对存储的图像进行划分并截取墙板位置 图像， 获 取原始数据集， 将原始图像数据集进 行填充处理， 对填充处理后的数据集进行数据扩增， 获 得墙板破损网络模型的样本数据集； 步骤三、 获得用于检测墙板破损的神经网络模型； 步骤四、 通过训练好的墙板破损网络模型对待测货车墙板进行判别， 若不存在故障则 继续检测下一张图像， 若存在故障则执 行步骤五； 步骤五、 输出故障所在位置 。 2.根据权利要求1所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤一中 图 像的采集； 具体过程 为： 在铁轨两侧以及底部配备线阵成像设备， 货车通过触发传感器， 开始启动成像设备对 运动的货车进行扫描； 逐 行扫描后获取线阵 图像， 并将线阵 图像进行存 储。 3.根据权利要求1所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤二中建 立数据集： 根据列车车底轴距、 车型和先验知识对存储的图像进行划分并截取墙板位置 图像， 获 取原始数据集， 将原始图像数据集进 行填充处理， 对填充处理后的数据集进行数据扩增， 获 得墙板破损网络模型的样本数据集； 具体过程如下： 步骤二一、 首先统计所有截取墙板 图像的尺寸， 根据获得的截取墙板 图像的最大的长 度尺寸与最大的宽度尺寸设计图像统一尺寸； 步骤二二、 设计完图像统一尺寸后， 将所有截取墙板图像进行图形填充， 得到填充后的 截取墙板图像； 步骤二三、 将填充后的截取墙板 图像进行数据扩增获取扩增后的数据集， 对扩增后的 数据集进行标记， 获取与扩增数据集一一对应的标记文件， 以扩增后的数据集以及与扩增 后的数据集 一一对应的标记文件作为墙板破损网络模型的样本数据集。 4.根据权利要求1所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤二一中 首先统计所有截取墙板图像的尺寸， 根据获得的截取墙板图像的最大的长度 尺寸与最大的 宽度尺寸设计图像统一尺寸； 设计过程 为： 若所获得的截取墙板图像的最大的长度尺寸为A， 则 取不大于A的2n的最大值， 获得n的 值； 再取不小于A ‑2n的2m的最小值， 获得m的值； 所述n、 m均为整数； 取2n+2m作为图像统一尺寸中的长度值； 若所获得的截取墙板图像的最大的宽度尺寸为B， 则 取不大于B的2p的最大值， 获得p的 值； 再取不小于B ‑2p的2q的最小值， 获得q的值； 所述p、 q均为整数； 取2p+2q作为图像统一尺寸中的宽度值。 5.根据权利要求4所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤二二中权　利　要　求　书 1/2 页 2 CN 115424129 A 2设计完图像统一尺 寸后， 将所有截取墙板图像进 行图形填充， 得到填充后的截取墙板图像； 过程为： 将截取墙板图像向右以及向下填充黑色扩增至图像统一尺寸， 得到填充后的截取墙板 图像。 6.根据权利要求5所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤二三中 将填充后的截取墙板图像进行数据扩增获取扩增后的数据集， 对扩增后的数据集进行标 记， 获取与扩增数据集一一对应的标记文件， 以扩增后的数据集以及与扩增后的数据集一 一对应的标记文件作为墙板破损网络模型的样本数据集。 7.根据权利要求6所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤三中获 得用于检测墙板破损的神经网络模型； 具体过程 为： 墙板破损网络模型包括ResNet5 0特征提取网络、 RPN网络和Ro I pooling层； 选取ResNet50特征提取网络作 为墙板破损网络模型的骨干网络， 将经过数据扩增后的 样本数据集作为ResNet50特征提取网络的输入， 得到输出特征图； 以ResNet50骨干网络的 所述输出特征图作为RPN网络的输入， 生成候选框； RoI  pooling层利用RPN网络生成的候选 框和ResNet5 0骨干网络得到的输出 特征图， 得到固定大小的候选 框特征图； 对墙板破损网络模型进行训练， 得到训练好的墙板破损网络模型。 8.根据权利要求7所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤四中通 过训练好的墙板破损网络模型对待测货车墙板进 行判别， 若不存在故障则继续检测下一张 图像， 若存在故障则执 行步骤五； 具体过程 为： 在待测全车灰度图像中裁出墙板 图片作为待检测图像， 将待检测图像进行填充处理， 即将待检测图像向右以及向下填充黑色扩增至步骤二一设计的图像统一尺寸， 调用训练好 的墙板破损网络模型对填充过的待检测图像进行墙板故障检测， 得到候选框中存在异常的 概率值， 再根据预先设置的阈值对候选框中存在异常的概率值进行筛选， 若候选框中存在 异物的概率值大于阈值则认为候选框中存在异常， 执行步骤五； 若候选框中存在异物的概 率值小于等于阈值则认为 候选框中不存在异常。 9.根据权利要求8所述的一种墙板破损的异常检测方法， 其特征在于： 所述步骤五中输 出故障所在位置； 具体过程 为： 在故障识别后， 通过填充过的待检测图像到待检测图像、 待检测图像到待测全车灰度 图像的映射关系， 计算出故障在待测全车 灰度图像中的位置； 在计算出故障在待测全车灰度图像中的位置后， 将故障信息上传到报警平台， 并在显 示界面上进行故障显示。 10.一种墙板破损的异常检测系统， 其特征在于： 所述系统用于执行权利要求1至权利 要求9之一所述的一种墙板破损的异常检测方法。权　利　要　求　书 2/2 页 3 CN 115424129 A 3