CN107220609A - 一种动车故障自动检测方法 - Google Patents
一种动车故障自动检测方法 Download PDFInfo
- Publication number
- CN107220609A CN107220609A CN201710364530.8A CN201710364530A CN107220609A CN 107220609 A CN107220609 A CN 107220609A CN 201710364530 A CN201710364530 A CN 201710364530A CN 107220609 A CN107220609 A CN 107220609A
- Authority
- CN
- China
- Prior art keywords
- information
- car
- motor
- failure automatic
- colour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种动车故障自动检测方法,它涉及一种自动检测方法,具体涉及一种动车故障自动检测方法。本发明为了解决现有动车组检修方法工作量大、时间紧,在检修过程中检车人员极易出现遗漏、疲劳等情况,存在较大的安全隐患的问题。本发明的步骤为步骤一、获取信息:动车入库后停稳,通过照相机、摄像机对动车底部、侧部、顶部进行拍摄获取全车信息,包括灰度信息,彩色信息及深度信息中的一个或多个;步骤二、建立模板数据库;针对每种动车车型建立一个标准模板,包含灰度信息、彩色信息、深度信息中的一个或多个,以及这些信息的融合,对全部待识别部件进行标定,并最终形成车型信息模板库;步骤三、故障自动识别;步骤四、结果处理。本发明属于铁路运输领域。
Description
技术领域
本发明涉及一种自动检测方法,具体涉及一种动车故障自动检测方法,属于铁路运输领域。
背景技术
投入运行使用的动车需要频繁的进行一级检修(简称动车组一级修),过程是在动车入库后由5至6人用肉眼对全车进行观察、检测,每次耗时约2个小时。由于工作量大、时间紧,在检修过程中检车人员极易出现遗漏、疲劳等情况,存在较大的安全隐患。
发明内容
本发明为解决现有动车组检修方法工作量大、时间紧,在检修过程中检车人员极易出现遗漏、疲劳等情况,存在较大的安全隐患的问题,进而提出一种动车故障自动检测方法。
本发明为解决上述问题采取的技术方案是:本发明的具体步骤如下:
步骤一、获取信息:
动车入库后停稳,通过照相机、摄像机对动车底部、侧部、顶部进行拍摄获取全车信息,包括灰度信息,彩色信息及深度信息中的一个或多个;
步骤二、建立模板数据库:
针对每种动车车型建立一个标准模板,包含灰度信息、彩色信息、深度信息中的一个或多个,以及这些信息的融合,对全部待识别部件进行标定,并最终形成车型信息模板库;
步骤三、故障自动识别:
步骤四、结果处理:
信息故障自动识别完成后,对识别出的故障区域进行报警,即将结果上传到远程电脑或手机移动端;动车所检车工作人员对故障报警进行人工确认后,对动车真实故障区进行修复。
本发明的有益效果是:1、本发明利用图像信息达到故障自动识别的方式代替人工检测,具备效率高、准确率高、精度高、稳定性好等优点;2、本发明的检测结果直接上传至电脑或手机移动端,人工核验方便快捷;3、本发明节约动车所一级修的人力及时间成本。
附图说明
图1是本发明的流程框图;
图2是部件故障识别流程图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,本实施方式所述一种动车故障自动检测方法的具体步骤如下:
步骤一、获取信息:
动车入库后停稳,通过照相机、摄像机对动车底部、侧部、顶部进行拍摄获取全车信息,包括灰度信息,彩色信息及深度信息中的一个或多个;
步骤二、建立模板数据库:
针对每种动车车型建立一个标准模板,包含灰度信息、彩色信息、深度信息中的一个或多个,以及这些信息的融合,对全部待识别部件进行标定,并最终形成车型信息模板库;
步骤三、故障自动识别:
步骤四、结果处理:
信息故障自动识别完成后,对识别出的故障区域进行报警,即将结果上传到远程电脑或手机移动端;动车所检车工作人员对故障报警进行人工确认后,对动车真实故障区进行修复。
具体实施方式二:结合图1和图2说明本实施方式,本实施方式所述一种动车故障自动检测方法的步骤三中故障自动识别的具体步骤如下:
步骤三(一)、提取模板数据:
利用待检测动车的灰度信息,首先通过先验知识确定车号区域的大致位置,提取出车号及其周围的信息;利用相应的信息处理算法,对信息内的字符进行定位及识别,最终输出动车车号;通过识别出的车号判断待检测动车的车型,进而从车型信息模板库中检索得到相应的模板;
步骤三(二)、信息融合:
为了将信息量综合运用,将对灰度信息、彩色信息及深度信息中的一个或多个进行融合,合成后的信息比单一的信息精度更高、信息量也更加丰富;在融合过程中需要将信息分解成不同分辨率的信息,从而使信息融合的更加自然,保留的细节信息更多;其中彩色信息由于是多通道信息,可以按照每一个通道单独进行融合;
步骤三(三)、故障自动识别:
根据模板标定的部件位置,提取出待识别部件信息,包括灰度信息、彩色信息、深度信息和融合信息中的一个或多个。
具体实施方式三:结合图1和图2说明本实施方式,本实施方式所述一种动车故障自动检测方法的步骤三(三)中灰度信息处理时,计算部件区域的灰度特征和纹理特征,将模板数据库中信息的灰度特征和纹理进行对比,判断其差异性;彩色信息和深度信息是进行故障识别的两个重要依据,通常情况下,某些部件具有一定特殊特征,比如其颜色和深度;通过这两个特征可以更加有效的对故障进行判断;融合后的综合信息拥有更加丰富的信息,可以通过此信息对故障进行更加全面的分析,找到更加有效的信息处理方法;
最后,将灰度信息、彩色信息、融合信息中的一个或多个以及先验知识进行全面综合考虑,统计加权求和,得到此部件是否存在疑似故障。
工作原理
本发明利用各种移动设备搭载照相机或摄像机,对固定状态的动车进行拍摄,获取动车全车的灰度信息、彩色信息及深度信息中的一个或多个,并将这些信息中一个或多个进行信息融合,得到信息量更丰富的综合信息;针对不同车型标定各部件位置,建立模板数据库;使用灰度信息进行车号识别从而确定车型,并从数据库中检索得到相应的模板数据;将待检测动车信息与模板信息进行配准,对各部件进行准确定位;利用拍摄得到的各种信息(其中一种或若干种结合),根据部件的信息特征及先验知识进行故障自动识别;待全车所有可视部件故障自动识别完毕后,对疑似故障部位进行报警(上传至电脑或手机移动端),以供人工核验。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (3)
1.一种动车故障自动检测方法,其特征在于:所述一种动车故障自动检测方法的具体步骤如下:
步骤一、获取信息:
动车入库后停稳,通过照相机、摄像机对动车底部、侧部、顶部进行拍摄获取全车信息,包括灰度信息,彩色信息及深度信息中的一个或多个;
步骤二、建立模板数据库:
针对每种动车车型建立一个标准模板,包含灰度信息、彩色信息、深度信息中的一个或多个,以及这些信息的融合,对全部待识别部件进行标定,并最终形成车型信息模板库;
步骤三、故障自动识别:
步骤四、结果处理:
信息故障自动识别完成后,对识别出的故障区域进行报警,即将结果上传到远程电脑或手机移动端;动车所检车工作人员对故障报警进行人工确认后,对动车真实故障区进行修复。
2.根据权利要求1所述一种动车故障自动检测方法,其特征在于:步骤三中故障自动识别的具体步骤如下:
步骤三(一)、提取模板数据:
利用待检测动车的灰度信息,首先通过先验知识确定车号区域的大致位置,提取出车号及其周围的信息;利用相应的信息处理算法,对信息内的字符进行定位及识别,最终输出动车车号;通过识别出的车号判断待检测动车的车型,进而从车型信息模板库中检索得到相应的模板;
步骤三(二)、信息融合:
为了将信息量综合运用,将对灰度信息、彩色信息及深度信息中的一个或多个进行融合,合成后的信息比单一的信息精度更高、信息量也更加丰富;在融合过程中需要将信息分解成不同分辨率的信息,从而使信息融合的更加自然,保留的细节信息更多;其中彩色信息由于是多通道信息,可以按照每一个通道单独进行融合;
步骤三(三)、故障自动识别:
根据模板标定的部件位置,提取出待识别部件信息,包括灰度信息、彩色信息、深度信息和融合信息中的一个或多个。
3.根据权利要求2所述一种动车故障自动检测方法,其特征在于:步骤三(三)中灰度信息处理时,计算部件区域的灰度特征和纹理特征,将模板数据库中信息的灰度特征和纹理进行对比,判断其差异性;彩色信息和深度信息是进行故障识别的两个重要依据,通常情况下,某些部件具有一定特殊特征,比如其颜色和深度;通过这两个特征可以更加有效的对故障进行判断;融合后的综合信息拥有更加丰富的信息,可以通过此信息对故障进行更加全面的分析,找到更加有效的信息处理方法;
最后,将灰度信息、彩色信息、融合信息中的一个或多个以及先验知识进行全面综合考虑,统计加权求和,得到此部件是否存在疑似故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364530.8A CN107220609A (zh) | 2017-05-22 | 2017-05-22 | 一种动车故障自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364530.8A CN107220609A (zh) | 2017-05-22 | 2017-05-22 | 一种动车故障自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107220609A true CN107220609A (zh) | 2017-09-29 |
Family
ID=59945030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710364530.8A Pending CN107220609A (zh) | 2017-05-22 | 2017-05-22 | 一种动车故障自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107220609A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409267A (zh) * | 2018-10-15 | 2019-03-01 | 哈尔滨市科佳通用机电股份有限公司 | 机车车辆故障自动识别方法 |
CN111091546A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车钩尾框折断故障识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007116407A2 (en) * | 2006-04-11 | 2007-10-18 | Columbus Application Provider Ltd. | System and method for automated facility mapping and management |
CN104200464A (zh) * | 2014-08-19 | 2014-12-10 | 苏州华兴致远电子科技有限公司 | 一种识别列车异常的检测方法及系统 |
CN104408477A (zh) * | 2014-12-18 | 2015-03-11 | 成都铁安科技有限责任公司 | 一种关键部位的故障检测方法及装置 |
CN104809427A (zh) * | 2014-12-31 | 2015-07-29 | 朱金良 | 基于3d信息的故障自动识别检测系统及检测方法 |
-
2017
- 2017-05-22 CN CN201710364530.8A patent/CN107220609A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007116407A2 (en) * | 2006-04-11 | 2007-10-18 | Columbus Application Provider Ltd. | System and method for automated facility mapping and management |
CN104200464A (zh) * | 2014-08-19 | 2014-12-10 | 苏州华兴致远电子科技有限公司 | 一种识别列车异常的检测方法及系统 |
CN104408477A (zh) * | 2014-12-18 | 2015-03-11 | 成都铁安科技有限责任公司 | 一种关键部位的故障检测方法及装置 |
CN104809427A (zh) * | 2014-12-31 | 2015-07-29 | 朱金良 | 基于3d信息的故障自动识别检测系统及检测方法 |
Non-Patent Citations (3)
Title |
---|
方凯: "用于动车组故障检测的车号识别算法", 《铁路计算机应用》 * |
王柯童: "基于图像处理的列车故障自动检测系统设计", 《中国优秀硕士学位论文全文数据库_信息科技辑》 * |
胡广胜等: "基于彩色图像处理的高速列车快速检测方法", 《电子技术与软件工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409267A (zh) * | 2018-10-15 | 2019-03-01 | 哈尔滨市科佳通用机电股份有限公司 | 机车车辆故障自动识别方法 |
CN111091546A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车钩尾框折断故障识别方法 |
CN111091546B (zh) * | 2019-12-12 | 2020-10-30 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车钩尾框折断故障识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949809B (zh) | 一种输电线路红外巡检数据智能处理方法 | |
CN109409272B (zh) | 基于机器视觉的电缆验收系统和方法 | |
CN111080598B (zh) | 一种钩尾销安全吊的螺栓、螺母缺失检测方法 | |
CN103512762B (zh) | 图像处理方法、装置及列车故障检测系统 | |
CN103559703B (zh) | 基于双目视觉的起重机障碍物监测及预警方法及系统 | |
CN110414320B (zh) | 一种安全生产监管的方法及系统 | |
CN104809427B (zh) | 基于3d信息的故障自动识别检测系统及检测方法 | |
CN104200464B (zh) | 一种识别列车异常的检测方法及系统 | |
CN111862029A (zh) | 一种铁路动车组垂向减震器螺栓部件故障检测方法 | |
CN105718842B (zh) | 一种输电线断股故障的机器视觉检测方法 | |
CN104505948B (zh) | 一种基于安卓的架空高压线路故障报警信息系统 | |
CN106355140B (zh) | 车辆检测的方法及装置 | |
CN104537651A (zh) | 一种路面图像中裂缝比例检测算法及系统 | |
CN104657706A (zh) | 基于图像的高铁线路线杆断裂与联接结构体异常检测方法 | |
CN107220609A (zh) | 一种动车故障自动检测方法 | |
CN108846331A (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
CN109094574A (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
CN102967265A (zh) | 基于机器视觉的汽车连杆裂解槽检测方法 | |
CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
CN111178198B (zh) | 一种基于机器视觉的实验室危险品安全隐患自动监测方法 | |
CN108898187A (zh) | 一种自动识别配电房指示设备图像的方法及装置 | |
CN107423719A (zh) | 一种基于视频图像的铁路货场防护红牌检测方法 | |
CN112489017A (zh) | 一种电力设备故障智能识别方法及识别系统 | |
CN116124771A (zh) | 一种接触网中心锚结绳松弛故障识别的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |
|
RJ01 | Rejection of invention patent application after publication |