(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 202211313616.5 (22)申请日 2022.10.25 (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 邓艳　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 张月航 (51)Int.Cl. G06V 10/12(2022.01) G06V 10/22(2022.01) G06V 10/42(2022.01) G06V 10/44(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种铁路货车下锁销组成配件故障识别方 法及装置 (57)摘要 一种铁路货车下锁销组成配件故障识别方 法及装置， 涉及铁路货车检测技术领域。 本发明 是为了解决传统采用人工检测车辆下锁销组成 配件是否丢失的方法误检和漏检率高的问题。 本 发明分别在货车轨道周围搭建高清成像 设备， 货 车通过设备后， 获取高清图像。 采用 深度学习网 络， 首先对车钩进行分类和定位， 获得车钩的位 置信息， 根据下锁销组成配件部件在不同车钩上 的位置先验知识， 截取下锁销组成配件的子图。 使用深度学习网络对下锁销组成配件丢失故障 进行检测。 对发生下锁销组成配件丢失的车钩进 行上传报警， 工作人员根据 识别结果进行相应的 处理， 保证列车安全运行。 权利要求书1页 说明书6页 附图2页 CN 115527018 A 2022.12.27 CN 115527018 A 1.一种铁路货车 下锁销组成配件故障识别方法， 具体为： 获取被测货车下锁销组成配件部位的图像作为被测图像， 将所述被测图像输入至 YOLOv5‑SPD网络中， 获得识别结果； 其特征在于， 所述YOLOv5 ‑SPD网络采用非跨步卷积网络进行特征子图提取， 并采用目 标框加权融合的方法对所述特 征子图中的故障进行识别。 2.根据权利要求1所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 采 用动态锚框在所述被测图像中选取 特征图， 将所述特 征图输入至 YOLOv5‑SPD网络中。 3.根据权利要求2所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 所 述动态锚框包括锚改进模块、 有界特 征融合模块和目标检测模块， 锚改进模块， 用于产生 候选框， 并在所述 候选框中筛选出符合特 征尺寸的锚框； 有界特征融合模块， 用于将锚框的边 缘特征与全局特 征进行融合， 获得融合特 征； 目标检测模块， 用于根据所述融合特 征在所述被测图像中选取 特征图。 4.根据权利要求3所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 所 述有界特 征融合模块的融合过程 为： 其中， f为特征， 表示特征提取函数， Medge为边缘特征， M(i)为全局特征， 表示融合， 表示i个特征融合之后的融合特 征， i为被融合的特 征数量， i＝1,2,...,5。 5.根据权利要求1所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 在 被测货车轨道边搭建高清图像采集设备， 所述高清图像采集设备用于采集被测货车的高清 图像。 6.根据权利要求5所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 所 述高清图像为灰度图像。 7.根据权利要求1所述的一种铁路货车下锁销组成配件故障识别方法， 其特征在于， 当 识别出被测图像存在故障时， 获取故障位置的坐标并判断该坐标是否属于预设范围， 是则 发出故障报警， 否则不报警。 8.一种铁路货车 下锁销组成配件故障识别装置， 具体包括以下 单元： 获取单元： 用于获取被测货车 下锁销组成配件部位的图像作为被测图像， 识别单元： 用于将所述被测图像输入至 YOLOv5‑SPD网络中， 获得识别结果； 其特征在于， 所述YOLOv5 ‑SPD网络采用非跨步卷积网络进行特征子图提取， 并采用目 标框加权融合的方法对所述特 征子图中的故障进行识别。 9.一种计算机可读的存储介质， 所述存储介质存储有计算机程序， 其特征在于， 所述计 算机程序被执 行时实现如权利要求1至7任一所述方法。 10.电子设备， 包括存储介质、 处理器以及存储在所述存储介质中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序实现如权利要求1至7任 一所述方法。权　利　要　求　书 1/1 页 2 CN 115527018 A 2一种铁路货车下锁销组成配件故障识别方 法及装置 技术领域 [0001]本发明属于 铁路货车检测技 术领域， 尤其涉及铁路货车 下锁销组成配件的检测。 背景技术 [0002]铁路货车下锁销组成配件对车钩牢固连接前后两辆车有着重要的作用。 在货车运 行时， 铁路运输频率高， 部件磨损大， 都会造成下锁销组成配件丢失的情况发生， 进而导致 车钩分离事故， 给行车安全带来极大安全隐患。 因此， 检查下锁销组成配件是否完整， 对行 车安全至关重要。 [0003]传统的人工检测方式， 检车人员在工作过程中极易出现疲劳、 遗漏等情况， 造成漏 检、 错检的出现， 影响行 车安全。 发明内容 [0004]本发明是为了解决传统采用人工检测车辆下锁销组成配件是否丢失的方法误检 和漏检率高的问题， 现提供一种铁路货车 下锁销组成配件故障识别方法及装置 。 [0005]一种铁路货车 下锁销组成配件故障识别方法， 具体为： [0006]获取被测货车下锁销组成配件部位的图像作为被测图像， 将被测图像输入至 YOLOv5‑SPD网络中， 获得识别结果； [0007]YOLOv5‑SPD网络采用非跨步卷积网络进行特征子图提取， 并采用目标框加权融合 的方法对特 征子图中的故障进行识别。 [0008]进一步的， 采用动态锚框在被测图像中选取特征图， 将特征图输入至YOLOv5 ‑SPD 网络中。 [0009]进一步的， 上述动态锚框包括锚改进模块、 有界特 征融合模块和目标检测模块， [0010]锚改进模块， 用于产生 候选框， 并在候选 框中筛选出符合特 征尺寸的锚框； [0011]有界特征融合模块， 用于将锚框的边 缘特征与全局特 征进行融合， 获得融合特 征； [0012]目标检测模块， 用于根据融合特 征在被测图像中选取 特征图。 [0013]进一步的， 上述有界特 征融合模块的融合过程 为： [0014] [0015] [0016]其中， f为特征， 表示特征提取函数， Medge为边缘特征， M(i)为全局特征， 表示 融合， 表示i个特征融合之后的融合特 征， i为被融合的特 征数量， i＝1,2,...,5。 [0017]进一步的， 在被测货车轨道边搭建高清图像采集设备， 高清图像采集设备用于采 集被测货车的高清图像。 [0018]进一步的， 上述高清图像为灰度图像。 [0019]进一步的， 当识别出被测图像存在故障时， 获取故障位置 的坐标并判断该坐标是 否属于预设范围， 是则发出故障报警， 否则不报警。说　明　书 1/6 页 3 CN 115527018 A 3