一种滚动轴承施封锁丢失和折断故障检测方法技术

一种滚动轴承施封锁丢失和折断故障检测方法，它属于滚动轴承施封锁丢失和折断故障检测技术领域。本发明专利技术解决了采用人工查看图像的故障检测方法存在的检测效率低以及检测准确率低的问题。本发明专利技术拍摄货车的两侧图像，并在线阵图像大图中获得包含部件的粗定位感兴趣区域。对粗定位图像进行数据扩增操作构建神经网络训练集。训练神经网络至模型收敛，获得参数权重。在实际测试中，转换神经网络权重的精度，并加载神经网络权重，采用四个方向对拍摄到的部件图像进行分割，并对分割效果中产生断的线段的结果采用分水岭算法二次分割，根据分割轮廓图判断是否为故障图像，如果是则对故障区进行报警。本发明专利技术可以应用于滚动轴承施封锁丢失和折断故障检测。丢失和折断故障检测。丢失和折断故障检测。

【技术实现步骤摘要】
一种滚动轴承施封锁丢失和折断故障检测方法


[0001]本专利技术属于滚动轴承施封锁丢失和折断故障检测
，具体涉及一种滚动轴承施封锁丢失和折断故障检测方法。

技术介绍

[0002]滚动轴承施封锁安全装置能保证列车高速运转下安全运行，因此对货车的滚动轴承施封锁安全装置进行自动化故障检测具有重要意义。可以通过对行驶中的货车进行拍摄，获取动车全车图像。
[0003]长期以来，车辆段采用人工查看图像的方法对货运列车的滚动轴承施封锁安全装置进行检查，一直存在高成本、低效率等问题。同时采用人工查看图像工作枯燥，容易懈怠，有效工作时间有限，效率低下，会出现遗漏部件、误报等情况，难以保证故障检测的准确率。

技术实现思路

[0004]本专利技术的目的是为解决采用人工查看滚动轴承施封锁安全装置图像的故障检测方法存在的检测效率低以及检测准确率低的问题，而提出了一种滚动轴承施封锁丢失和折断故障检测方法。
[0005]本专利技术为解决上述技术问题所采取的技术方案是：一种滚动轴承施封锁丢失和折断故障检测方法，所述方法包括以下步骤：
[0006]步骤一、拍摄运动货车的两侧图像；
[0007]步骤二、从步骤一拍摄的图像中截取出样本滚动轴承施封锁部件图像；
[0008]步骤三、利用步骤二截取出的样本滚动轴承施封锁部件的图像构建训练数据集，并对训练数据集中的每张图像进行标记，分别获得训练数据集中每张图像所对应的标签；
[0009]步骤四、构建编码器-解码器网络，将训练数据集中的图像以及对应的标签分批次的输入构建的编码器-解码器网络，利用输入对编码器-解码器网络进行训练，获得训练好的编码器-解码器网络；
[0010]步骤五、采集原始待检测滚动轴承施封锁部件图像，将原始待检测滚动轴承施封锁部件图像进行旋转变换，获得旋转变换后的待检测图像，分别将原始待检测滚动轴承施封锁部件图像以及旋转变换后的待检测图像输入训练好的编码器-解码器网络，获得训练好的编码器-解码器网络的输出结果；
[0011]根据训练好的编码器-解码器网络的输出结果确定出原始待检测滚动轴承施封锁部件图像的全部边缘像素；
[0012]根据全部边缘像素确定滚动轴承施封锁部件的外围线段是否闭合，若外围线段闭合，则根据闭合区域的个数和面积来判断是否发生施封锁丢失故障；否则外围线段不闭合，则对外围线段进行分水岭处理，根据分水岭处理结果来判断是否发生施封锁丢失和折断故障。
[0013]本专利技术的有益效果是：
[0014]本专利技术提出的编码器-解码器网络能利用每层卷积的特征图组成复合特征，并使用空洞卷积单元形成多尺度的融合特征，更充分的利用滚动轴承施封锁的底层纹理信息，提高分割的精度。
[0015]针对普通神经网络运算实时性的问题，本专利技术提出的编码器-解码器网络通过减少特征层的个数和使用英伟达的推理加速引擎TesnorRT进行模型精度转换和推理，提高模型运行的效率，实时检测故障。
[0016]本专利技术加入归一化层BN，能加速神经网络的训练时间。
[0017]由于滚动轴承施封锁装置占的比例非常小，前景和背景比例不平衡，所以本专利技术采用GDL(the generalized Dice loss)损失函数替代交叉熵损失函数，能通过增大前景(滚动轴承施封锁装置)的权重系数，提高小目标滚动轴承施封锁装置分割的效果，保证检测的准确率。
[0018]推理过程中采用图块重叠，采用0
°
，90
°
，180
°
，270
°
四个方向作为输入，使每个边缘像素至少覆盖4次，至少由4次预测投票，此方法能减少分割边缘区域预测效果不好的缺点。
[0019]通过区域转化，采用分水岭算法解决深度学习分割的结果中经常出现断的线段的问题，减少了故障误报的数量。
[0020]本专利技术结合图像处理、模式识别和深度学习领域的知识，实现故障自动识别及报警，人工只需对报警结果进行确认，最终实现从人检作业向机检作业的转变，有效节约设备使用单位的人力成本，提高检测作业质量和作业效率。
附图说明
[0021]图1为本专利技术具体实施方式一的流程图；
[0022]图2为本专利技术方法的整体流程图；
[0023]图3为编码器-解码器网络的结构图；
[0024]图4为空洞卷积单元的结构图；
[0025]图5为原始图像；
[0026]图6为分水岭算法图中0
°
的深度学习分割图；
[0027]图7为分水岭算法中的外围轮廓图；
[0028]图8为分水岭算法中的转换图；
[0029]图9a)为采用本专利技术的分水岭算法获得的距离变换图；
[0030]图9b)为采用传统方法获得的距离变换图；
[0031]图10a)为采用本专利技术的分水岭算法获得的分水岭结果图；
[0032]图10b)为采用传统方法获得的分水岭结果图；
[0033]图11a)为滚动轴承施封锁折断故障检测结果图；
[0034]图11b)为滚动轴承施封锁丢失故障检测结果图。
具体实施方式
[0035]需要特别说明的是，在不冲突的情况下，本申请公开的各个实施方式之间可以相互组合。
[0036]具体实施方式一、结合图1说明本实施方式。本实施方式的一种滚动轴承施封锁丢失和折断故障检测方法，该方法具体通过以下步骤实现：
[0037]步骤一、拍摄运动货车的两侧图像；
[0038]步骤一中拍摄运动货车的两侧图像，是利用搭载在固定设备上的照相机或摄像机来拍摄的；
[0039]步骤二、从步骤一拍摄的图像中截取出样本滚动轴承施封锁部件图像；
[0040]步骤二根据硬件的轴距信息和滚动轴承施封锁部件的位置先验知识，从步骤一拍摄的图像中确定出滚动轴承施封锁部件区域，并提取出滚动轴承施封锁部件区域图像；
[0041]步骤三、利用步骤二截取出的样本滚动轴承施封锁部件的图像构建训练数据集，并对训练数据集中的每张图像进行标记，分别获得训练数据集中每张图像所对应的标签；
[0042]步骤四、构建编码器-解码器网络，将训练数据集中的图像以及对应的标签分批次的输入构建的编码器-解码器网络，利用输入对编码器-解码器网络进行训练，直至损失函数值收敛、置信度升至稳定值时停止训练，获得训练好的编码器-解码器网络；
[0043]步骤五、采集原始待检测滚动轴承施封锁部件图像，将原始待检测滚动轴承施封锁部件图像进行旋转变换，获得旋转变换后的待检测图像，分别将原始待检测滚动轴承施封锁部件图像以及旋转变换后的待检测图像输入训练好的编码器-解码器网络，获得训练好的编码器-解码器网络的输出结果；
[0044]根据训练好的编码器-解码器网络的输出结果确定出原始待检测滚动轴承施封锁部件图像的全部边缘像素；
[0045]根据全部边缘像素确定滚动轴承施封锁部件的外围线段是否闭合，若外围线段闭合，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，该方法包括以下步骤：步骤一、拍摄运动货车的两侧图像；步骤二、从步骤一拍摄的图像中截取出样本滚动轴承施封锁部件图像；步骤三、利用步骤二截取出的样本滚动轴承施封锁部件的图像构建训练数据集，并对训练数据集中的每张图像进行标记，分别获得训练数据集中每张图像所对应的标签；步骤四、构建编码器-解码器网络，将训练数据集中的图像以及对应的标签分批次的输入构建的编码器-解码器网络，利用输入对编码器-解码器网络进行训练，获得训练好的编码器-解码器网络；步骤五、采集原始待检测滚动轴承施封锁部件图像，将原始待检测滚动轴承施封锁部件图像进行旋转变换，获得旋转变换后的待检测图像，分别将原始待检测滚动轴承施封锁部件图像以及旋转变换后的待检测图像输入训练好的编码器-解码器网络，获得训练好的编码器-解码器网络的输出结果；根据训练好的编码器-解码器网络的输出结果确定出原始待检测滚动轴承施封锁部件图像的全部边缘像素；根据全部边缘像素确定滚动轴承施封锁部件的外围线段是否闭合，若外围线段闭合，则根据闭合区域的个数和面积来判断是否发生施封锁丢失故障；否则外围线段不闭合，则对外围线段进行分水岭处理，根据分水岭处理结果来判断是否发生施封锁丢失和折断故障。2.根据权利要求1所述的一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，所述利用步骤二截取出的样本滚动轴承施封锁部件图像构建训练数据集，其具体过程为：对步骤二截取出的样本滚动轴承施封锁部件图像进行数据扩增后，获得训练数据集；所述数据扩增的方式包括对比度增强、直方图均衡化和旋转变换。3.根据权利要求2所述的一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，所述旋转变换的具体过程为：分别对训练数据集中的每张图像进行旋转变换，即对于训练数据集中的任意一张图像，将该图像进行90
°
旋转、180
°
旋转以及270
°
旋转；同理，对训练数据集中其它图像进行旋转变换。4.根据权利要求1所述的一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，所述将训练数据集中的图像以及对应的标签分批次的输入构建的编码器-解码器网络之前，需要对训练数据集中的图像以及对应的标签进行归一化处理。5.根据权利要求1或4所述的一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，所述标签为标记掩码GT图像。6.根据权利要求1所述的一种滚动轴承施封锁丢失和折断故障检测方法，其特征在于，所述编码器-解码器网络的结构包括编码器子网络、解码器子网络和空洞卷积单元；所述编码器子网络包括4个下采样的编码单元，其中，4个下采样的编码单元分别为第一编码单元、第二编码单元、第三编码单元和第四编码单元；其中，第一编码单元和第二编码单元均包含两个3*3的卷积层、一个激活层ReLU、一个归一化层BN和一个最大池化层，第三编码单元和第四编码单元均包含三个3*...

【专利技术属性】
技术研发人员：孙晶，
申请(专利权)人：哈尔滨市科佳通用机电股份有限公司，
类型：发明
国别省市：