CN107392197A - 一种机车车号识别及机车部件故障检测方法及系统 - Google Patents
一种机车车号识别及机车部件故障检测方法及系统 Download PDFInfo
- Publication number
- CN107392197A CN107392197A CN201710626313.1A CN201710626313A CN107392197A CN 107392197 A CN107392197 A CN 107392197A CN 201710626313 A CN201710626313 A CN 201710626313A CN 107392197 A CN107392197 A CN 107392197A
- Authority
- CN
- China
- Prior art keywords
- locomotive
- image
- component
- identification
- license number
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or vehicle trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or vehicle trains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Abstract
本发明涉及图像识别领域、数据通信领域、电子技术领域，特别涉及一种机车车号识别及机车部件故障检测方法。包括感测机车行进到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车的各部件图像；基于所述各部件图像识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；输出所述判断结果。由于当机车行进到轨道上的检测位置时，能够自动触发相应部件的图像获取模块获取机车的机车部件图像，通过机车部件图像能够自动识别机车车号并判断机车的部件是否存在异常，实现了机车检测自动化，减少了大量的人员和物资的浪费。同时，基于上述方法，本发明还提供了一种机车车号识别及机车部件故障检测系统。
Description
技术领域
本发明涉及图像识别领域、数据通信领域、电子技术领域,特别涉及一种机车车号识别及机车部件故障检测方法及系统。
背景技术
随着我国铁路建设的不断发展，我们所取得的成果也是显而易见的：一方面投入运营的运输车辆越来越多，另一方面机车车辆的周转率也大幅增加，并且机车的运行的速度也在稳步的向更快速、更高速的方向发展，所以运行安全就显得愈加重要。
目前，在车辆检测方面，铁路部门投入了大量的人力和物力以保证车辆的监测和检修质量。但是检测方式主要是给工人配备一定的装备，通过手动检测方式进行机车检测。这样就导致了人员和物资的大量浪费。
发明内容
本发明实施例提供了一种机车车号识别及机车部件故障检测方法及系统，用于减少机车检测的人员和物资的投入，节约成本。
第一方面，提供了一种机车车号识别及机车部件故障检测方法，所述方法包括：
感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像；
基于所述机车各部件图像识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；
输出所述判断结果。
结合第一方面，在第一方面的第一种可能的实施方式中，所述感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像具体为：
通过压力感应，或/和电磁感应，或/和光电感应方式，感测机车行驶到轨道上的检测位置，触发所述检测位置的摄像头获取所述机车各部件图像。
结合第一方面，在第一方面的第二种可能的实施方式中，所述基于所述各部件图像识别所述机车的车号具体包括：
根据所述图像获取装置的编号，从当次获取的所述各部件图像中选出包含车号的图像，并从所述包含车号的图像中提取出车号图像区域，识别出车号。
结合第一方面的第二种可能的实施方式，在第一方面的第三种可能的实施方式中，在所述从各部件图像中提取出包含车号的图像后，所述方法还包括：
基于所述包含车号的图像识别所述机车的车号，确定待对比的所述车号的机车的标准部件图像库。
结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式中，所述判断所述机车的部件是否存在异常和故障，具体为：
将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，获得判断结果。
结合第一方面的第四种可能的实施方式，在第一方面的第五种可能的实施方式中，所述将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，具体包括：
将所述各部件图像与对应的所述标准部件图像求差，和/或将所述各部件图像与对应的所述标准部件图像进行特征相似度计算，和/或基于局部图像特点匹配及分析或/和基于已有标记的大量样本、采用机器学习的方法来判断各部件图像的可能异常。
第二方面，提供了一种机车车号识别及机车部件故障检测系统，所述系统包括：
感测模块，用于感测机车是否行进到轨道上的检测位置；
图像获取模块，用于获取所述机车的各部件图像；
图像分析模块，用于基于所述各部件图像，识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；
输出模块，用于输出所述判断结果。
结合第二方面，在第二方面的第一种可能的实施方式中，所述感测模块具体为压力传感器或/和电磁切割传感器或/和光电检测仪；所述图像获取模块具体为摄像头。
结合第二方面，在第二方面的第二种可能的实施方式中，所述图像分析模块包括：
提取模块，用于从所述各部件图像中提取出包含车号的图像，并从所述包含车号的图像中提取出车号图像区域；
选择模块，用于基于所述包含车号的图像识别所述机车的车号，确定待对比的所述车号的机车的标准部件图像库；
判断模块，用于将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，获得判断结果。
结合第二方面的第二种可能的实施方式，在第二方面的第三种可能的实施方式中，所述判断模块包括：
求差判断子模块，用于将所述各部件图像与对应的所述标准部件图像求差，获得判断结果；
相似度判断子模块，用于计算所述各部件图像与对应的所述标准部件图像的相似度，获得判断结果；
特征点匹配子模块，用于基于局部图像特点进行匹配及分析。
机器学习判别子模块，用于基于已有标记的大量样本、采用机器学习的方法来判断所述各部件图像的可能异常。
本发明实施例中，由于当机车行进到轨道上的检测位置时，能够自动触发检测位置的图像获取模块获取机车的机车图像，通过机车图像能够自动识别机车车号并判断机车的部件是否存在异常，实现了机车检测自动化，减少了大量的人员和物资的浪费。
此外，本发明实施例中，由于采用多种方法融合地检测机车的部件异常和故障，能够大大提高异常和故障检测的准确性。
附图说明
图1为本发明实施例的一种机车车号识别及机车部件故障检测方法的方法流程图。
图2为本发明实施例的一种机车车号识别及机车部件故障检测系统的结构示意图。
具体实施方式
本发明实施例公开一种机车车号识别及机车部件故障检测方法的方法，所述方法包括：感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像；基于所述机车各部件图像识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；输出所述判断结果。
本发明实施例中，由于当机车行进到轨道上的检测位置时，能够自动触发检测位置的图像获取模块获取机车的机车图像，通过机车图像能够自动识别机车车号并判断机车的部件是否存在异常，实现了机车检测自动化，减少了大量的人员和物资的浪费。
此外，本发明实施例中，由于采用多种方法融合地检测机车的部件异常和故障，能够大大提高异常和故障检测的准确性。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，
表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图对本发明优选的实施方式进行详细说明。
请参见图1，本发明实施例提供一种机车车号识别及机车部件故障检测方法的方法，所述方法包括以下步骤：
步骤S101：感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像。
在具体的实施过程中，感测机车行驶到轨道上的检测位置的方式很多，比如红外感测，声波感测等，优选的，本发明实施例采用压力传感、或/和电磁切割或/和光电检测方式，通过在钢轨上安装感测器，当有机车到达时，感测器产生信息脉冲，获得机车的在轨位置。
当获得了机车行进到轨道上的检测位置后，触发所述检测位置的图像获取装置获取所述机车的各部件图像。在具体的实施过程中，由于机车过长，所以单个所述图像获取装置无法获取整个机车的各个部件图像，因此，所述图像获取装置有多个。每个所述图像获取装置获取不同部位的图像，比如一部分所述图像获取装置获取机车的侧表面图像，一部分所述图像获取装置获取机车的顶部图像，一部分所述图像获取装置获取机车的底部图像，一部分所述图像获取装置获取机车的车轮图像等。
进一步的，在完成步骤S101后，还可以基于获取的所述各部件图像的序列进行目标区域定位。也就是说，在获取了所述各部件图像之后，根据每个图像对应的图像获取装置的编号序列，确定所述每个图像对应的是机车的哪一个部位或者哪一个区域。
完成步骤S101后,执行步骤S102：基于所述各部件图像识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果。
在具体的实施过程中，图像获取模块获取了多个图像，所述多个图像中一部分图像包含所述机车的车号，一部分图像包含所述机车的部件，因此，在执行步骤S102时，首先从所述多个图像中提取出包含机车车号的图像，然后从所述包含机车车号的图像中提取出机车车号的区域，从而识别出该机车的车号。
当获取了所述机车的车号和行进方向后，确定待对比的标准部件图像库。
进一步的，确定了待对比的标准部件图像库后，通过将获取的所述各部件图像与所述待对比的标准部件图像库中的标准部件图像进行对比，从而判断所述机车的部件是否存在异常和故障，获得判断结果。
在具体的实施过程中，将获取的所述各部件图像与所述待对比的标准部件图像进行对比的方式有多种，比如说：将所述各部件图像与对应的所述标准部件图像求差，通过差值判断所述机车的部件是否存在异常和故障；将所述各部件图像与对应的所述标准部件图像进行相似度计算，通过相似度判断所述机车的部件是否存在异常和故障；基于局部图像特点匹配及分析；机器学习方法进行对比判断等等。本发明实施例采用其中一种或多种，在此不做限定。
完成步骤S102后，执行步骤S103：输出所述判断结果。
具体的，当判断结果为存在异常和故障时，可以通过无线通信的方式通知工作人员，也可以启动报警器，发出警报，在此不做限定。
对应本发明实施例中提供的一种机车车号识别及机车部件故障检测方法，本发明实施例中还提供了一种机车车号识别及机车部件故障检测系统，如图2所示为本发明实施例中一种机车车号识别及机车部件故障检测系统的具体结构示意图，所述系统包括：
感测模块21，用于感测机车是否行进到轨道上的检测位置；
图像获取模块22，用于获取所述机车的各部件图像；
图像分析模块23，用于基于所述各部件图像，识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；
输出模块24，用于输出所述判断结果。
在具体的实施过程中，感测模块21具体包括压力传感器或/和电磁切割传感器或/和光电检测仪；图像获取模块22具体为摄像头。
在图像获取模块22获取了各部件图像后，图像分析模块23具体包括如下执行模块：
提取模块，用于从所述各部件图像中提取出包含车号的图像，并从所述包含车号的图像中提取出车号图像区域；
选择模块，用于基于所述包含车号的图像识别所述机车的车号，确定待对比的所述车号的机车的标准部件图像库；
判断模块，用于将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，获得判断结果。
其中，所述判断模块又包含如下执行子模块：
求差判断子模块，用于将所述各部件图像与对应的所述标准部件图像求差，获得判断结果；
相似度判断子模块，用于计算所述各部件图像与对应的所述标准部件图像的相似度，获得判断结果；
特征点匹配子模块，用于基于局部图像特点进行匹配及分析。
机器学习判断子模块，用于基于机器学习法对所述各部件图像与对应的所述标准部件图进行匹配及分析。
图像分析模块23获得判断结果后，通过输出模块24输出所述判断结果。
在具体的实施过程中，所述系统还可以包括：定位模块，用于在获取了所述各部件图像后，基于所述各部件图像的序列进行目标区域定位；报警装置，用于在输出模块24输出的判断结果为存在异常和故障时，发出警报。
本发明提供的一个或者多个实施例至少存在如下技术效果或优点：
由于在本发明实施例中，当机车行进到轨道上的检测位置时，能够自动触发检测位置的图像获取模块获取机车的机车图像，通过机车图像能够自动识别机车车号并判断机车的部件是否存在异常，实现了机车检测自动化，减少了大量的人员和物资的浪费。
此外，本发明实施例中，由于采用多种方法融合地检测机车的部件异常和故障，能够大大提高异常和故障检测的准确性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种机车车号识别及机车部件故障检测方法,其特征在于，所述方法包括：
感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像；
基于所述机车各部件图像识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；
输出所述判断结果。
2.如权利要求1所述的机车车号识别及机车部件故障检测方法，其特征在于，所述感测机车行驶到轨道上的检测位置，触发所述检测位置的图像获取装置获取所述机车各部件图像具体为：
通过压力感应，或/和电磁感应，或/和光电感应方式，感测机车行驶到轨道上的检测位置，触发所述检测位置的摄像头获取所述机车各部件图像。
3.如权利要求1所述的机车车号识别及机车部件故障检测方法，其特征在于，所述基于所述各部件图像识别所述机车的车号具体包括：
根据所述图像获取装置的编号，从当次获取的所述各部件图像中选出包含车号的图像，并从所述包含车号的图像中提取出车号图像区域，识别出车号。
4.如权利要求3所述的方法，其特征在于，在所述从各部件图像中提取出包含车号的图像后，所述方法还包括：
基于所述包含车号的图像识别所述机车的车号，确定待对比的所述车号的机车的标准部件图像库。
5.如权利要求4所述的机车车号识别及机车部件故障检测方法，其特征在于，所述判断所述机车的部件是否存在异常和故障，具体为：
将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，获得判断结果。
6.如权利要求5所述的机车车号识别及机车部件故障检测方法，其特征在于，所述将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，具体包括：
将所述各部件图像与对应的所述标准部件图像求差，和/或将所述各部件图像与对应的所述标准部件图像进行特征相似度计算，和/或基于局部图像特点匹配及分析或/和基于已有标记的大量样本,采用机器学习的方法来判断各部件图像的可能异常。
7.一种机车车号识别及机车部件故障检测系统，其特征在于，所述系统包括：
感测模块，用于感测机车是否行进到轨道上的检测位置；
图像获取模块，用于获取所述机车的各部件图像；
图像分析模块，用于基于所述各部件图像，识别所述机车的车号，判断所述机车的部件是否存在异常和故障，获得判断结果；
输出模块，用于输出所述判断结果。
8.如权利要求7所述的机车车号识别及机车部件故障检测系统，其特征在于，所述感测模块具体为压力传感器或/和电磁切割传感器或/和光电检测仪；所述图像获取模块具体为摄像头。
9.如权利要求7所述的机车车号识别及机车部件故障检测系统，其特征在于，所述图像分析模块包括：
提取模块，用于从所述各部件图像中提取出包含车号的图像，并从所述包含车号的图像中提取出车号图像区域；
选择模块，用于基于所述包含车号的图像识别所述机车的车号，确定待对比的所述车号的机车的标准部件图像库；
判断模块，用于将所述各部件图像与所述标准部件图像库中的标准部件图像进行对比，获得判断结果。
10.如权利要求9所述的机车车号识别及机车部件故障检测系统，其特征在于，所述判断模块包括：
求差判断子模块，用于将所述各部件图像与对应的所述标准部件图像求差，获得判断结果；
相似度判断子模块，用于计算所述各部件图像与对应的所述标准部件图像的特征相似度，获得判断结果；
特征点匹配子模块，用于基于局部图像特点进行匹配及分析；机器学习判别子模块，用于基于已有标记的大量样本、采用机器学习的方法来判断所述各部件图像的可能异常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710626313.1A CN107392197A (zh) | 2017-07-27 | 2017-07-27 | 一种机车车号识别及机车部件故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710626313.1A CN107392197A (zh) | 2017-07-27 | 2017-07-27 | 一种机车车号识别及机车部件故障检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107392197A true CN107392197A (zh) | 2017-11-24 |
Family
ID=60341949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710626313.1A Pending CN107392197A (zh) | 2017-07-27 | 2017-07-27 | 一种机车车号识别及机车部件故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107392197A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108357517A (zh) * | 2018-05-21 | 2018-08-03 | 北京京天威科技发展有限公司 | 动车组列车运行故障信息检测方法和系统 |
| CN108376268A (zh) * | 2018-05-21 | 2018-08-07 | 北京京天威科技发展有限公司 | 地铁电动客车列检车底、车侧故障检测系统和方法 |
| CN108447240A (zh) * | 2018-03-26 | 2018-08-24 | 广东溢达纺织有限公司 | 自动分绞机远程操控系统、方法、计算机设备和存储介质 |
| CN108674453A (zh) * | 2018-05-23 | 2018-10-19 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的轨道交通监控系统及控制方法 |
| CN108711152A (zh) * | 2018-05-23 | 2018-10-26 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的图像分析方法、装置和用户终端 |
| CN108737288A (zh) * | 2018-05-23 | 2018-11-02 | 深圳市阡丘越科技有限公司 | 一种轨道交通故障图像传输方法、装置和系统 |
| CN108765398A (zh) * | 2018-05-23 | 2018-11-06 | 深圳市阡丘越科技有限公司 | 一种轨道交通监控管理平台 |
| CN109241971A (zh) * | 2018-07-18 | 2019-01-18 | 东莞市诺丽电子科技有限公司 | 一种城轨列车车号识别系统 |
| CN109377587A (zh) * | 2018-10-15 | 2019-02-22 | 哈尔滨市科佳通用机电股份有限公司 | 铁路机车电务部件检测系统及其电务部件检测方法 |
| CN111242226A (zh) * | 2020-01-16 | 2020-06-05 | 广州运达智能科技有限公司 | 基于相关系数的地铁列车图像故障检测方法 |
| CN111942434A (zh) * | 2020-06-30 | 2020-11-17 | 北京康拓红外技术股份有限公司 | 一种铁路货车关键部件故障图像智能检测装置 |
| CN112037182A (zh) * | 2020-08-14 | 2020-12-04 | 中南大学 | 基于时序图像的机车走行部故障检测方法、装置及存储介质 |
| CN112389504A (zh) * | 2019-08-12 | 2021-02-23 | 李辉 | 一种机车定位检测方法、装置、服务器以及系统 |
| CN113689639A (zh) * | 2020-05-18 | 2021-11-23 | 上海众鸿电子科技有限公司 | 一种晶圆机台报警方法及报警系统 |
| CN114739293A (zh) * | 2022-03-25 | 2022-07-12 | 北京博联众睿机器人科技有限公司 | 车身测量方法、系统、装置以及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2711572B2 (de) * | 1977-03-17 | 1979-01-18 | Standard Elektrik Lorenz Ag, 7000 Stuttgart | Einrichtung zur Sicherung der Ortung für trassengebundene Fahrzeuge |
| CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测系统 |
| CN105067287A (zh) * | 2015-07-23 | 2015-11-18 | 北京京天威科技发展有限公司 | 动车组运行故障动态图像检测系统及方法 |
| CN105115605A (zh) * | 2015-08-20 | 2015-12-02 | 苏州华兴致远电子科技有限公司 | 轨道列车红外检测系统及检测方法 |
| CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测系统及方法 |
| CN106441411A (zh) * | 2016-08-31 | 2017-02-22 | 成都铁安科技有限责任公司 | 一种轨道机车及车辆走行部检测方法及检测系统 |
| CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测系统及方法 |
-
2017
- 2017-07-27 CN CN201710626313.1A patent/CN107392197A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2711572B2 (de) * | 1977-03-17 | 1979-01-18 | Standard Elektrik Lorenz Ag, 7000 Stuttgart | Einrichtung zur Sicherung der Ortung für trassengebundene Fahrzeuge |
| CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测系统 |
| CN105067287A (zh) * | 2015-07-23 | 2015-11-18 | 北京京天威科技发展有限公司 | 动车组运行故障动态图像检测系统及方法 |
| CN105115605A (zh) * | 2015-08-20 | 2015-12-02 | 苏州华兴致远电子科技有限公司 | 轨道列车红外检测系统及检测方法 |
| CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测系统及方法 |
| CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测系统及方法 |
| CN106441411A (zh) * | 2016-08-31 | 2017-02-22 | 成都铁安科技有限责任公司 | 一种轨道机车及车辆走行部检测方法及检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 中国铁路总公司: "《列车运行监控装置》", 30 November 2013, 中国铁路出版社 * |
| 徐金祥 等: "《城市轨道交通列车运行自动控制技术》", 31 August 2013, 中国铁路出版社 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108447240A (zh) * | 2018-03-26 | 2018-08-24 | 广东溢达纺织有限公司 | 自动分绞机远程操控系统、方法、计算机设备和存储介质 |
| CN108376268A (zh) * | 2018-05-21 | 2018-08-07 | 北京京天威科技发展有限公司 | 地铁电动客车列检车底、车侧故障检测系统和方法 |
| CN108357517A (zh) * | 2018-05-21 | 2018-08-03 | 北京京天威科技发展有限公司 | 动车组列车运行故障信息检测方法和系统 |
| CN108765398B (zh) * | 2018-05-23 | 2021-08-13 | 深圳市阡丘越科技有限公司 | 一种轨道交通监控管理平台 |
| CN108674453A (zh) * | 2018-05-23 | 2018-10-19 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的轨道交通监控系统及控制方法 |
| CN108711152A (zh) * | 2018-05-23 | 2018-10-26 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的图像分析方法、装置和用户终端 |
| CN108737288A (zh) * | 2018-05-23 | 2018-11-02 | 深圳市阡丘越科技有限公司 | 一种轨道交通故障图像传输方法、装置和系统 |
| CN108765398A (zh) * | 2018-05-23 | 2018-11-06 | 深圳市阡丘越科技有限公司 | 一种轨道交通监控管理平台 |
| CN109241971A (zh) * | 2018-07-18 | 2019-01-18 | 东莞市诺丽电子科技有限公司 | 一种城轨列车车号识别系统 |
| CN109377587A (zh) * | 2018-10-15 | 2019-02-22 | 哈尔滨市科佳通用机电股份有限公司 | 铁路机车电务部件检测系统及其电务部件检测方法 |
| CN112389504A (zh) * | 2019-08-12 | 2021-02-23 | 李辉 | 一种机车定位检测方法、装置、服务器以及系统 |
| CN111242226A (zh) * | 2020-01-16 | 2020-06-05 | 广州运达智能科技有限公司 | 基于相关系数的地铁列车图像故障检测方法 |
| CN113689639A (zh) * | 2020-05-18 | 2021-11-23 | 上海众鸿电子科技有限公司 | 一种晶圆机台报警方法及报警系统 |
| CN111942434A (zh) * | 2020-06-30 | 2020-11-17 | 北京康拓红外技术股份有限公司 | 一种铁路货车关键部件故障图像智能检测装置 |
| CN112037182A (zh) * | 2020-08-14 | 2020-12-04 | 中南大学 | 基于时序图像的机车走行部故障检测方法、装置及存储介质 |
| CN112037182B (zh) * | 2020-08-14 | 2023-11-10 | 中南大学 | 基于时序图像的机车走行部故障检测方法、装置及存储介质 |
| CN114739293A (zh) * | 2022-03-25 | 2022-07-12 | 北京博联众睿机器人科技有限公司 | 车身测量方法、系统、装置以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107392197A (zh) | 一种机车车号识别及机车部件故障检测方法及系统 | |
| CN106314438B (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 | |
| CN109822398B (zh) | 一种基于深度学习的数控机床断刀检测系统及方法 | |
| CN104608799B (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
| CN110620906A (zh) | 一种基于物联网的电力施工安全管理系统 | |
| CN107273802B (zh) | 一种铁路列车闸瓦钎环故障的检测方法及装置 | |
| JP2014211763A5 (zh) | ||
| CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
| CA2986414C (en) | Security check system and method | |
| CN112149512A (zh) | 一种基于两阶段深度学习的安全帽佩戴识别方法 | |
| CN107948585A (zh) | 录像标记方法、装置及计算机可读存储介质 | |
| CN111680613A (zh) | 一种实时检测手扶电梯乘客摔倒行为的方法 | |
| CN109911550A (zh) | 基于红外热成像与可见光视频分析的刮板运输机保护装置 | |
| CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及系统 | |
| CN111597962A (zh) | 仓储物料防盗报警方法、装置及电子设备 | |
| CN114019572A (zh) | 一种基于多摄像机融合的x光安检方法及安检装置 | |
| CN206292821U (zh) | 物品安检判图系统 | |
| CN209102925U (zh) | 通道式太赫兹安检装置 | |
| CN113076999B (zh) | 基于人工智能信息数据采集方法 | |
| CN202083671U (zh) | 多功能人体安检设备 | |
| KR20210122429A (ko) | 영상 딥러닝을 이용한 ai 기반 화장품 용기 인쇄 제조 공정에서의 자동 결함 탐지 방법 및 시스템 | |
| CN113570734A (zh) | 基于计算机视觉技术的自动检票机 | |
| CN206274349U (zh) | 安全检查系统 | |
| JP2021026553A (ja) | 特定文字列検知装置及び運転評価システム | |
| CN213424011U (zh) | 一种用于旅检通道客行识别的监控系统 |
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 |