【技术实现步骤摘要】
本专利技术涉及智能检测工程，更具体地说，涉及一种轨道列车表面重要构件失效形式检测方法、介质及设备。
技术介绍
1、中国铁路网络规模预计在2025年将达到17.5万公里，安全维护问题因此愈加重要。列车结构复杂，其中如螺栓等小型但关键的零部件众多。目前，针对螺栓失效检测的方法主要分为三类：一是基于人工目视检测，但人工巡检效率低，且易出现漏检和误检；二是基于无损检测技术，如超声波检测和振动信号分析等，但这些方法主要用于识别螺栓内部故障和松动情况，检测效率低，难以在实际工况下实现螺栓松动的快速检测；三是基于深度学习的机器视觉技术，近年来有研究者采用目标检测网络粗定位螺栓位置，利用语义分割网络提取防松标识线，再通过霍夫变换获取标识线的偏移角度以判断螺栓状态。然而，此方法对防松标识线的清晰度和准确度依赖较高，而这些标识线通常是人工涂漆，形状不一、图像对比度低，且受背景噪声干扰，导致偏移角度提取存在误差，影响检测精度。
技术实现思路
1、本专利技术的目的在于，提供一种轨道列车表面重要构件失效形式检测方法、介质及设备，能提升列车表面重要构件失效形式检测的精确性和可靠性。
2、本专利技术提供一种列车表面重要构件失效形式检测方法，包括以下步骤：s1：获取轨道机车外表面图像，根据所述轨道机车外表面图像得到训练数据集；s2：构建构件分割模型，所述构件分割模型包括组合主干网络和综合损失函数；s3：利用所述训练数据集对所述构件分割模型进行训练，得到训练好的构件分割模型；s4：根据待测图像，利用所述
3、进一步地，上述步骤s1具体包括：s11：获取轨道机车外表面图像，对所述轨道机车外表面图像进行预处理，得到螺栓区域图片、螺栓编号、螺栓坐标、初始转角；s12：根据所述螺栓区域图片、螺栓编号、螺栓坐标、初始转角，进行标注和数据增强，得到训练数据集。
4、进一步地，上述组合主干网络包括共享权重编码器、语义分割解码器、超分辨率解码器及特征引导模块；所述共享权重编码器用于提取图像特征；所述语义分割解码器用于根据所述图像特征得到第一语义分割特征；所述超分辨率解码器用于根据所述图像特征得到第一超分辨率特征；所述特征引导模块用于根据所述第一语义分割特征和所述第一超分辨率特征，最小化任务目标和特征引导模块生成的相应任务结果的距离，引导超分辨率特征和语义分割特征关注兴趣区域，得到第二语义分割特征和第二超分辨率特征，提高语义分割效果。
5、进一步地，上述特征引导模块包括拼接层、第一卷积层、残差通道注意力模块、多尺度卷积模块、第二卷积层、第三卷积层、第一点乘操作、第二点乘操作、第四卷积层、第五卷积层、第一相加操作、第二相加操作；所述拼接层用于将第一语义分割特征和第一超分辨率特征在通道维度进行拼接得到拼接结果；所述第一卷积层用于根据所述第一卷积层拼接结果进行特征融合；所述残差通道注意力模块采用两个33的深度卷积来捕捉整合特征中的局部模式，再使用两个线性层直接压缩和扩展特征，以捕捉通道关系，再使用sigmoid函数基于上述特征沿通道轴生成权重，通过hadamard 乘积，对局部模式进行重新加权，最后将输入特征加到重新加权的特征上；所述多尺度卷积模块将经过残差通道注意力模块处理后的特征按通道大小进行平均分组，其中第1组采用卷积保持当前尺度，对于最后一组使用图像池化来统计全局空间信息，对于其他组使用不同膨胀率的深度卷积来捕捉不同层次的信息，其中膨胀率设为组的索引减1，将各组特征在通道维度上拼接，然后经过批归一化及gelu激活函数处理特征；所述第二卷积层用于将残差通道注意力模块的输出映射到第一语义分割特征的空间生成语义分割任务注意力权重；所述第三卷积层用于将残差通道注意力模块的输出映射到第一超分辨率特征的空间生成超分辨率任务注意力权重；所述第一点乘操作用于将所述语义分割任务注意力权重与所述第一语义分割特征进行点乘得到语义分割加权特征；所述第二点乘操作用于将所述超分辨率任务注意力权重与所述第一超分辨率特征进行点乘得到超分辨率加权特征；所述第四卷积层用于对所述语义分割加权特征进行卷积；所述第五卷积层用于对所超分辨率加权特征进行卷积；所述第一相加操作层用于将第四卷积层的输出与所述第一语义分割特征进行相加得到第二语义分割特征；所述第二相加操作层用于将第五卷积层的输出与所述第一超分辨率特征进行相加得到第二超分辨率特征。
6、进一步地，上述组合主干网络还包括语义分割头和超分辨率头；所述语义分割头用于根据语义分割特征得到语义分割结果；所述超分辨率头用于根据语义分割特征得到超分辨率结果。
7、进一步地，上述综合损失函数，如公式：
8、，
9、其中，为综合损失函数，为语义分割损失，为增强语义分割损失，为增强超分辨率损失，为超分辨率损失，为边界约束分割损失权重，为边界约束分割损失。
10、进一步地，上述步骤s4具体包括：s41：对待测图像进行预处理，得到待测螺栓区域图片、待测螺栓编号、待测螺栓坐标、待测螺栓初始转角；s42：利用所述训练好的构件分割模型对所述待测螺栓区域图片进行检测，得到螺栓分割图像。
11、进一步地，上述步骤s5具体包括：s51：根据所述螺栓分割图像，进行轮廓提取和多边形拟合，得到规则六边形；s52：根据所述规则六边形进行角度计算，得到螺栓转动角度；s53：根据所述螺栓转动角度、待测螺栓初始转角和预设角度阈值，得到检测结果。
12、本专利技术还提供计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述轨道列车表面重要构件失效形式检测方法的步骤。
13、本专利技术还提供计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现上述的轨道列车表面重要构件失效形式检测方法的步骤。
14、实施本专利技术提供的轨道列车表面重要构件失效形式检测方法、介质及设备，具有以下有益效果：
15、（1）本专利技术构建并训练了一种双超分语义分割边界约束网络dscbnet，为语义分割任务提供了一种创新性的方法，显著提升了低分辨率图像的分割效果，并在保证精度的同时更好地关注目标边缘细节；传统的分割方法在处理低分辨率图像时，往往会因细节丢失而导致边缘模糊和分割不准确的问题，而本专利技术的dscbnet网络通过超分辨率与语义分割特征融合模块和边界约束损失，有效地解决了这一难题；
16、（2）本专利技术通过螺栓的六边形轮廓偏转角度来判断螺栓是否松动，提供了一种比现有方法更加精准、稳定的松脱检测手段；传统的螺栓松脱检测方法通常依赖于标识线的偏移角度进行判断，但人工涂漆的标识线形状不一、受污染物、表面磨损等多种因素影响，容易导致检测结果不准确；而本专利技术利用螺栓本身的几何特征——例如六边形的固有轮廓，这样既避免了标识线在复杂环境下难以精确检测的问题，具有更强的抗干扰能力，显著提高了松脱检本文档来自技高网...
【技术保护点】
1.一种列车表面重要构件失效形式检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，步骤S1具体包括：
3.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，所述组合主干网络包括共享权重编码器、语义分割解码器、超分辨率解码器及特征引导模块；所述共享权重编码器用于提取图像特征；所述语义分割解码器用于根据所述图像特征得到第一语义分割特征；所述超分辨率解码器用于根据所述图像特征得到第一超分辨率特征；所述特征引导模块用于根据所述第一语义分割特征和所述第一超分辨率特征，最小化任务目标和特征引导模块生成的相应任务结果的距离，引导超分辨率特征和语义分割特征关注兴趣区域，得到第二语义分割特征和第二超分辨率特征，提高语义分割效果。
4.根据权利要求3所述的列车表面重要构件失效形式检测方法，其特征在于，所述特征引导模块包括拼接层、第一卷积层、残差通道注意力模块、多尺度卷积模块、第二卷积层、第三卷积层、第一点乘操作、第二点乘操作、第四卷积层、第五卷积层、第一相加操作、第二相加操作；所述拼接层用于
5.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，所述组合主干网络还包括语义分割头和超分辨率头；所述语义分割头用于根据语义分割特征得到语义分割结果；所述超分辨率头用于根据语义分割特征得到超分辨率结果。
6.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，所述综合损失函数，如公式：
7.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，步骤S4具体包括：
8.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，步骤S5具体包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8任一所述的列车表面重要构件失效形式检测方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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时实现如权利要求1-8任一所述的列车表面重要构件失效形式检测方法的步骤。
...【技术特征摘要】
1.一种列车表面重要构件失效形式检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，步骤s1具体包括：
3.根据权利要求1所述的列车表面重要构件失效形式检测方法，其特征在于，所述组合主干网络包括共享权重编码器、语义分割解码器、超分辨率解码器及特征引导模块；所述共享权重编码器用于提取图像特征；所述语义分割解码器用于根据所述图像特征得到第一语义分割特征；所述超分辨率解码器用于根据所述图像特征得到第一超分辨率特征；所述特征引导模块用于根据所述第一语义分割特征和所述第一超分辨率特征，最小化任务目标和特征引导模块生成的相应任务结果的距离，引导超分辨率特征和语义分割特征关注兴趣区域，得到第二语义分割特征和第二超分辨率特征，提高语义分割效果。
4.根据权利要求3所述的列车表面重要构件失效形式检测方法，其特征在于，所述特征引导模块包括拼接层、第一卷积层、残差通道注意力模块、多尺度卷积模块、第二卷积层、第三卷积层、第一点乘操作、第二点乘操作、第四卷积层、第五卷积层、第一相加操作、第二相加操作；所述拼接层用于将第一语义分割特征和第一超分辨率特...
【专利技术属性】
技术研发人员：梅爽，向娟，王贺堡，程江涛，刁兆磊，文国军，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。