一种铁路列车跨接线异物故障识别方法及系统

技术领域

本发明涉及对跨接线上存在的异物进行识别的方法及系统，属于故障识别及检测领域。

背景技术

铁路列车是一种常见的交通工具，每日有大量的列车在线上运行。在各种外界环境的影响下，各部件产生故障无法避免。

跨接线异物故障是一种危及行车安全的故障，如果未及时发现故障可能产生严重后果。目前主要是用人眼对整车进行故障查找，查找范围大部件多、车辆多、故障形态多，所以这项工作是一个重复性强且强度高易疲劳的机械性作业。当工人疲劳时很容易，造成漏检、错检的出现，影响行车安全。

发明内容

本发明的目的是为了解决现有利用人工对跨接线上的异物进行检测，检测效率低、准确性差的问题。现提供一种铁路列车跨接线异物故障识别方法及系统。

一种铁路列车跨接线异物故障识别方法，该方法包括以下内容：

步骤1、获取列车上含有跨接线的图像；

步骤2、从含有跨接线的图像中截取异物轮廓图像和跨接线轮廓图像；

步骤3、使用styleGAN生成器生成与异物轮廓图像相似的生成图像，并将跨接线轮廓图像作为粘贴区域；

步骤4、从粘贴区域中确定待粘贴的位置，将生成图像粘贴到待粘贴的位置，粘贴后的图像作为包含异物的故障图；

步骤5、用包含异物的故障图对Faster-RCNN网络进行训练，得到Faster-RCNN的训练模型；

步骤6、将待检测的含有跨接线的图像输入至Faster-RCNN的训练模型中，输出跨接线上是否有异物的检测结果。

优选地，步骤4中，从粘贴区域中确定待粘贴的位置，具体过程为：

步骤41、获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线；

步骤42、以粘贴区域内的每个像素点为中心，构建步骤41中获得的异物外圈轮廓线，若异物外圈轮廓线超出粘贴区域，则舍弃整个异物外圈轮廓线，若异物外圈轮廓线未超出粘贴区域，则保留未超出粘贴区域的整个异物外圈轮廓线；

步骤43、从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，将选出的异物外圈轮廓线中心作为待粘贴的位置。

优选地，步骤41中，获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线，具体过程为：

步骤411、获取包含真实异物的故障图像并从该图像中得到真实异物轮廓；

步骤412、将真实异物轮廓膨胀后与未膨胀的真实异物轮廓做差，得到异物外圈轮廓线。

优选地，步骤43中，从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，具体过程为：

步骤431、从保留的异物外圈轮廓线上的任意一个像素点开始，按照顺时针方向，对保留的异物外圈轮廓线上相邻的两个像素点做差，若差值大于0，则该位置的编码为1，否则为0，得到每个保留的异物外圈轮廓线的编码集合；

步骤432、利用每个保留的异物外圈轮廓线的编码集合与设定的编码集合计算欧氏距离，从得到的欧氏距离中选取最小值对应的异物外圈轮廓线作为选出的异物外圈轮廓线。

优选地，步骤1中，获取列车上含有跨接线的图像，具体过程为：

步骤11、获取列车各部位的线阵灰度图像；

步骤12、从列车各部位的线阵灰度图像中截取含有跨接线的图像。

优选地，该方法还包括步骤7，

步骤7、当检测结果为跨接线上有异物，进行报警。

一种铁路列车跨接线异物故障识别系统，该系统包括跨接线获取模块、轮廓图像获取模块、粘贴区域确定模块、异物故障图构建模块、训练模型建立模块和检测模块，

跨接线获取模块，用于获取列车上含有跨接线的图像；

轮廓图像获取模块，用于从含有跨接线的图像中截取异物轮廓图像和跨接线轮廓图像；

粘贴区域确定模块，用于使用styleGAN生成器生成与异物轮廓图像相似的生成图像，并将跨接线轮廓图像作为粘贴区域；

异物故障图构建模块，用于从粘贴区域中确定待粘贴的位置，将生成图像粘贴到待粘贴的位置，粘贴后的图像作为包含异物的故障图；

训练模型建立模块，用于用包含异物的故障图对Faster-RCNN网络进行训练，得到Faster-RCNN的训练模型；

检测模块，用于将待检测的含有跨接线的图像输入至Faster-RCNN的训练模型中，输出跨接线上是否有异物的检测结果。

优选地，异物故障图构建模块包括异物外圈轮廓线获取单元、异物外圈轮廓线筛选单元和待粘贴位置确定单元，

异物外圈轮廓线获取单元，用于获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线；

异物外圈轮廓线筛选单元，用于以粘贴区域内的每个像素点为中心，构建异物外圈轮廓线，若异物外圈轮廓线超出粘贴区域，则舍弃，若异物外圈轮廓线未超出粘贴区域，则保留未超出粘贴区域的异物外圈轮廓线；

待粘贴位置确定单元，用于从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，将选出的异物外圈轮廓线中心作为待粘贴的位置。

优选地，异物外圈轮廓线获取单元包括轮廓提取单元和外圈轮廓线提取单元，

轮廓提取单元，用于获取包含真实异物的故障图像并从该图像中得到真实异物轮廓；

外圈轮廓线提取单元，用于将真实异物轮廓膨胀后与未膨胀的真实异物轮廓做差，得到异物外圈轮廓线。

优选地，待粘贴位置确定单元包括编码集合获得单元和外圈轮廓线选取单元，

编码集合获得单元，用于从保留的异物外圈轮廓线的轮廓的任意一个像素点开始，按照顺时针方向，对保留的异物外圈轮廓线上相邻的两个像素点做差，若差值大于0，则该位置的编码为1，否则为0，得到每个保留的异物外圈轮廓线的编码集合；

外圈轮廓线选取单元，用于利用每个保留的异物外圈轮廓线的编码集合与设定的编码集合计算欧氏距离，从得到的欧氏距离中选取最小值对应的异物外圈轮廓线作为选出的异物外圈轮廓线。

本发明的有益效果是：

本申请使用styleGAN生成器生成与异物轮廓图像相似的生成图像，将较少数量的异物轮廓图像变成异物形状多样的多个异物图像作为生成图像，对图像实现了扩增的作用，

另外，将生成图像粘贴到待粘贴的位置从而构建包含异物的故障图，然后使用图像形状齐全的包含异物的故障图对Faster-RCNN网络进行训练，得到Faster-RCNN的训练模型；当有待检测图像输入至训练模型中时，就会识别出是否有异物。使用深度学习的方式进行故障识别可以有效的识别故障。进而代替传统的人工检测，提高检测速度及准确率，可以改善人工工作状态，减少其工作量，人工只需对自动识别报警进行确认。

因此，本申请有以下优点：

1、利用图像自动识别的方式代替人工检测，可以解决人工检测长时间重复看图的疲劳问题，对于同种故障统一标准，提高检测效率、准确率。

2、提出了一种针对异物类故障的图像扩增方法。

附图说明

图1为一种铁路列车跨接线异物故障识别方法的流程图；

图2为一种铁路列车跨接线异物故障识别系统的原理示意图。

具体实施方式

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或实施方式包括的特征之间可以相互组合。

具体实施方式一：结合图1说明本实施方式，本实施方式的一种铁路列车跨接线异物故障识别方法，该方法包括以下内容：

步骤1、获取列车上含有跨接线的图像；

步骤2、从含有跨接线的图像中截取异物轮廓图像和跨接线轮廓图像；

步骤3、使用styleGAN生成器生成与异物轮廓图像相似的生成图像，并将跨接线轮廓图像作为粘贴区域；

步骤4、从粘贴区域中确定待粘贴的位置，将生成图像粘贴到待粘贴的位置，粘贴后的图像作为包含异物的故障图；

步骤5、用包含异物的故障图对Faster-RCNN网络进行训练，得到Faster-RCNN的训练模型；

步骤6、将待检测的含有跨接线的图像输入至Faster-RCNN的训练模型中，输出跨接线上是否有异物的检测结果。

本实施方式中，在列车行进过程中，通过轨边设备获取其高清线阵图像。通过硬件得到的信息以及列车部件位置关系，找到所在区域。在该区域根据部件的形态使用深度学习方法进行故障识别。当线上有列车经过时，使用同样方法截取目标所在图像，对其进行故障分析，判断跨接线是否存在异物。对识别为故障的区域进行报警，输出故障所在位置，工作人员根据识别结果可以快速的定位到该目标区域，进行相应的处理，保证列车安全运行。

本实施方式中，本申请可以用来识别动车跨接线上的异物。

由于线上实际发生故障的概率比较小，所以获取到的包含故障子图像的数目较少，制作的数据集不足以支持深度学习的训练。因此需要对数据进行扩增。常用的数据增强手段有旋转、平移、翻转、亮度增强等。在数据集达到一定规模时，这些手段可以降低模型过拟合的可能，增强算法的鲁棒性。但是本申请中的异物轮廓图像数目过少，上述增强手段并不会改变异物在图像上具体的形状，异物的形态较为固定，依然存在过拟合的风险。因此，本方法针对跨接线异物故障提出了一种基于生成式的图像增强方法。

步骤2中可以用最小外接矩形对异物轮廓图像进行截取。

具体实施方式二：本实施方式是对具体实施方式一的一种铁路列车跨接线异物故障识别方法，步骤4中，从粘贴区域中确定待粘贴的位置，具体过程为：

步骤41、获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线；

步骤42、以粘贴区域内的每个像素点为中心，构建步骤41中获得的异物外圈轮廓线，若异物外圈轮廓线超出粘贴区域，则舍弃整个异物外圈轮廓线，若异物外圈轮廓线未超出粘贴区域，则保留未超出粘贴区域的整个异物外圈轮廓线；

步骤43、从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，将选出的异物外圈轮廓线中心作为待粘贴的位置。

本实施方式中，我们期望将生成图像粘贴到待粘贴的位置(无异物的故障子图)中，进而生成一幅包含异物的故障子图。但是对于故障子图，并不是任意位置都可以粘贴，跨接线位于两节车的连接处，故障子图中除了跨接线外，还包含部分车体以及风挡，而异物只可能会出现在跨接线的空隙中，跨接线排列杂乱且无规律，有些线分布密集，有些线分布松散，很难精确定位到空隙，因此本方法先使用语义分割UNet，分割跨接线，获取跨接线的轮廓信息，即为可粘贴区域，排除部分车体和风挡的干扰。

在得到跨接线轮廓后，需要寻找可存在异物的跨接线空隙区域，进行生成图像的粘贴。考虑到后续需要通过目标检测算法进行异物的检测，除异物本身的特征外，周围边界的特征也很重要，为此，我们将问题转化为寻找与真实异物周围边界特征相似的区域，作为粘贴的区域(跨接线空隙区域)。具体做法为：

1)从包含真实异物的故障子图中，选取一张图像质量最高的作为模板，获取异物的中心(c

2)在获得的粘贴区域内，遍历全部的像素点，以每个点为中心，获取其对应的外圈轮廓线，若外圈轮廓线超出可粘贴区域，则舍弃。即可得到整张图像上，所有候选粘贴区域的轮廓线。

3)为了消除不同图像，图像亮度不同带来的偏差，以与临近像素的灰度差进行编码，获得描述轮廓线纹理特征，即从中心点垂直正上方开始，依次按照顺时针方向，与临近的像素做差，若大于0，则该位置的编码为1，否则为0。对于一个包含168个像素点的轮廓线，可以获得一串长为168的01编码。将所有候选粘贴区域的轮廓线的编码与设定编码(模板的编码)计算欧氏距离，距离最小的轮廓线对应的中心，即为粘贴区域的中心。

具体实施方式三：本实施方式是对具体实施方式二的一种铁路列车跨接线异物故障识别方法，步骤41中，获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线，具体过程为：

步骤411、获取包含真实异物的故障图像并从该图像中得到真实异物轮廓；

步骤412、将真实异物轮廓膨胀后与未膨胀的真实异物轮廓做差，得到异物外圈轮廓线。

具体实施方式四：本实施方式是对具体实施方式二的一种铁路列车跨接线异物故障识别方法，步骤43中，从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，具体过程为：

步骤431、从保留的异物外圈轮廓线上的任意一个像素点开始，按照顺时针方向，对保留的异物外圈轮廓线上相邻的两个像素点做差，若差值大于0，则该位置的编码为1，否则为0，得到每个保留的异物外圈轮廓线的编码集合；

步骤432、利用每个保留的异物外圈轮廓线的编码集合与设定的编码集合计算欧氏距离，从得到的欧氏距离中选取最小值对应的异物外圈轮廓线作为选出的异物外圈轮廓线。

本实施方式中，例如，保留的异物外圈轮廓线的编码集合为001，设定的编码集合为110，那么欧氏距离为

具体实施方式五：本实施方式是对具体实施方式一的一种铁路列车跨接线异物故障识别方法，步骤1中，获取列车上含有跨接线的图像，具体过程为：

步骤11、获取列车各部位的线阵灰度图像；

步骤12、从列车各部位的线阵灰度图像中截取含有跨接线的图像。

本实施方式中，在固定的探测站点搭建高速成像设备，获取列车各部位的高清线阵灰度图像。收集不同时间段不同环境下的图像，获取较多的样本数据量，并保证数据图像中存在各种自然干扰如光照、雨水、泥渍等的图像，保证数据的多样性，这样设计出的算法会有更好的鲁棒性。

同种型号的列车，其结构也是相同的，在列车各部位的线阵灰度图像中，可以根据轴距信息，截取包含含有跨接线的图像。

具体实施方式六：本实施方式是对具体实施方式一的一种铁路列车跨接线异物故障识别方法，方法还包括步骤7，

步骤7、当检测结果为跨接线上有异物，进行报警。

具体实施方式七：结合图2说明本实施方式，一种铁路列车跨接线异物故障识别系统，系统包括跨接线获取模块、轮廓图像获取模块、粘贴区域确定模块、异物故障图构建模块、训练模型建立模块和检测模块，

跨接线获取模块，用于获取列车上含有跨接线的图像；

轮廓图像获取模块，用于从含有跨接线的图像中截取异物轮廓图像和跨接线轮廓图像；

粘贴区域确定模块，用于使用styleGAN生成器生成与异物轮廓图像相似的生成图像，并将跨接线轮廓图像作为粘贴区域；

异物故障图构建模块，用于从粘贴区域中确定待粘贴的位置，将生成图像粘贴到待粘贴的位置，粘贴后的图像作为包含异物的故障图；

训练模型建立模块，用于用包含异物的故障图对Faster-RCNN网络进行训练，得到Faster-RCNN的训练模型；

检测模块，用于将待检测的含有跨接线的图像输入至Faster-RCNN的训练模型中，输出跨接线上是否有异物的检测结果。

具体实施方式八：本实施方式是对具体实施方式六的一种铁路列车跨接线异物故障识别系统，异物故障图构建模块包括异物外圈轮廓线获取单元、异物外圈轮廓线筛选单元和待粘贴位置确定单元，

异物外圈轮廓线获取单元，用于获取包含真实异物的故障图像并从该图像中获得异物外圈轮廓线；

异物外圈轮廓线筛选单元，用于以粘贴区域内的每个像素点为中心，构建异物外圈轮廓线，若异物外圈轮廓线超出粘贴区域，则舍弃，若异物外圈轮廓线未超出粘贴区域，则保留未超出粘贴区域的异物外圈轮廓线；

待粘贴位置确定单元，用于从保留的异物外圈轮廓线中选出满足要求的异物外圈轮廓线，将选出的异物外圈轮廓线中心作为待粘贴的位置。

具体实施方式九：本实施方式是对具体实施方式八的一种铁路列车跨接线异物故障识别系统，异物外圈轮廓线获取单元包括轮廓提取单元和外圈轮廓线提取单元，

轮廓提取单元，用于获取包含真实异物的故障图像并从该图像中得到真实异物轮廓；

外圈轮廓线提取单元，用于将真实异物轮廓膨胀后与未膨胀的真实异物轮廓做差，得到异物外圈轮廓线。

具体实施方式十：本实施方式是对具体实施方式八的一种铁路列车跨接线异物故障识别系统，待粘贴位置确定单元包括编码集合获得单元和外圈轮廓线选取单元，

编码集合获得单元，用于从保留的异物外圈轮廓线的任意一个像素点开始，按照顺时针方向，对保留的异物外圈轮廓线上相邻的两个像素点做差，若差值大于0，则该位置的编码为1，否则为0，得到每个保留的异物外圈轮廓线的编码集合；

外圈轮廓线选取单元，用于利用每个保留的异物外圈轮廓线的编码集合与设定的编码集合计算欧氏距离，从得到的欧氏距离中选取最小值对应的异物外圈轮廓线作为选出的异物外圈轮廓线。

需要说明的是，本申请还可以包括其它多种实施例，在不背离本申请的精神及其实质的情况下，本领域技术人员可根据本申请作出各种相应的改变和变形，但这些相应的改变和变形都应属于本申请所附的权利要求的保护范围。