本申請涉及軌道機車及車輛運行安全保障技術(shù)領(lǐng)域，更具體地說，涉及一種軌道機車及車輛走行部檢測方法及檢測系統(tǒng)。

背景技術(shù)：

軌道機車及車輛的走行部是指軌道機車及車輛下部引導(dǎo)軌道機車及車輛沿軌道運行，并將軌道機車及車輛的全部重量傳遞給軌道的部分，一般包括輪對、軸箱油潤裝置、側(cè)架、搖枕和彈簧減震裝置、制動裝置和電機等。所述走行部是保障軌道機車及車輛安全運行的重要部分，因此所述走行部是否出現(xiàn)異常是工作人員主要關(guān)注的問題。

最傳統(tǒng)的對所述走行部進行檢查的方式是在軌道機車及車輛入庫后停在檢修地溝作業(yè)區(qū)域，有工作人員下地溝對走行部各個部件進行檢查，這種方式不僅效率低、檢測主觀性強，而且只能在軌道列車入庫之后才能對所述走行部進行檢查，無法在軌道列車運行中途及時發(fā)現(xiàn)所述走行部的異常情況。

現(xiàn)今主流的對所述走行部進行檢測的方案主要依賴于圖像處理技術(shù)實現(xiàn)，通過獲取所述走行部的二維(Two Dimension，2D)圖像和三維(Three Dimension，3D)圖像，綜合利用所述走行部的2D圖像和3D圖像對所述走行部進行檢測，具體過程包括：通過獲取所述軌道機車及車輛的車號查找該車歷史最近一次過車圖像(簡稱歷史過車圖像，當(dāng)所述歷史過車圖像不存在時，以該車標(biāo)準(zhǔn)走行部圖像作為該車歷史最近一次過車圖像)；獲取所述走行部的2D圖像和3D圖像，利用所述2D圖像與所述歷史過車圖像進行配準(zhǔn)后，進行圖像間的比對分析，找出當(dāng)前獲取的所述2D圖像與所述歷史過車圖像間的差異，將差異部分作為異常區(qū)域，但是由于利用所述2D圖像與所述歷史過車圖像進行比對時可能會由于光線、雨雪、污漬或泥漬的影響造成異常區(qū)域的誤選取，因此需要對異常區(qū)域利用所述3D圖像與所述歷史過車圖像進行再次刪選，以剔除由于上述原因造成的異常區(qū)域的誤選取，當(dāng)經(jīng)過所述3D圖像與所述歷史過車圖像進行再次刪選后仍然存在異常區(qū)域時進行示警，提示駕駛員所述走行部異常。

但是，這種對所述走行部進行檢測的方案仍然存在問題，當(dāng)所述走行部的部分部件老化并進行更換后，勢必造成獲取的所述走行部的2D圖像和3D圖像與所述歷史過車圖像的不同，從而引起誤報警。此外，所述走行部的部分零部件(例如鉤緩部件、風(fēng)管、電纜、彈簧和掛鉤鏈環(huán))在所述軌道機車及車輛運行過程中不可避免的會發(fā)生移動或晃動而造成位置的相對變化，并且這種位置的變化并不會對所述走行部的正常工作造成影響，但是在利用現(xiàn)有技術(shù)中綜合利用所述走行部的2D圖像和3D圖像對所述走行部進行檢測的方法對所述走行部進行檢測時，這種零部件的位置變化也會引起誤報警。這種誤報警勢必會使所述軌道機車及車輛的工作人員進行不必要的巡視檢測，從而增加所述軌道機車及車輛的工作人員的無效勞動。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提供了一種軌道機車及車輛走行部檢測方法及檢測系統(tǒng)，以實現(xiàn)降低對所述走行部檢查過程中的誤報警概率，從而減少軌道機車及車輛的工作人員的無效勞動的目的。

為實現(xiàn)上述技術(shù)目的，本發(fā)明實施例提供了如下技術(shù)方案：

一種軌道機車及車輛走行部檢測方法，包括：

獲取軌道機車及車輛的過車圖像；

獲取所述軌道機車及車輛的車號信息；

將所述過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊輸出的所述軌道機車及車輛的關(guān)鍵部件圖像；

根據(jù)所述關(guān)鍵部件圖像判斷所述軌道機車及車輛的走行部是否異常，如果是，則根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警。

優(yōu)選的，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程包括：

獲取關(guān)鍵部件的圖像數(shù)據(jù)集；

將所述關(guān)鍵部件的圖像數(shù)據(jù)集輸入到待訓(xùn)練識別模塊中，獲得所述待訓(xùn)練識別模塊輸出的第一訓(xùn)練結(jié)果；

將所述第一訓(xùn)練結(jié)果與第一標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第一閾值，則完成關(guān)鍵部件訓(xùn)練；如果誤差大于第一閾值，則調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù)，返回將所述關(guān)鍵部件的圖像數(shù)據(jù)集輸入到待訓(xùn)練識別模塊中的步驟。

優(yōu)選的，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程還包括：

獲取整車的圖像數(shù)據(jù)集；

將所述整車的圖像數(shù)據(jù)集輸入到完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊中，獲得所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊輸出的第二訓(xùn)練結(jié)果；

將所述第二訓(xùn)練結(jié)果與第二標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第二閾值，則完成整車結(jié)構(gòu)訓(xùn)練，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊；如果誤差大于第二閾值，則調(diào)整所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊的各項參數(shù)，返回將所述整車的圖像數(shù)據(jù)集輸入到完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊中的步驟。

優(yōu)選的，所述將所述過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊輸出的所述軌道機車及車輛的關(guān)鍵部件圖像包括：

將所述過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中；

所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊識別所述過車圖像中的每一個可識別特征，并將每一個可識別特征作為一張所述關(guān)鍵部件圖像輸出。

優(yōu)選的，所述獲取軌道機車及車輛的過車圖像包括：

獲取所述軌道機車及車輛的二維過車圖像，和/或，獲取所述軌道機車及車輛的三維過車圖像。

優(yōu)選的，所述根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警包括：

根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛；

將所述走行部的異常信息與匹配的相應(yīng)軌道機車及車輛進行綁定，并根據(jù)所述走行部的異常信息進行分級報警。

優(yōu)選的，所述根據(jù)所述走行部的異常信息進行分級報警包括：

將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示；

根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息。

一種軌道機車及車輛走行部檢測系統(tǒng)，包括：

圖像采集模塊，用于獲取軌道機車及車輛的過車圖像；

車號識別模塊，用于獲取所述軌道機車及車輛的車號信息；

經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊，用于根據(jù)所述過車圖像獲取所述軌道機車及車輛的關(guān)鍵部件圖像；

故障分析模塊，用于根據(jù)所述關(guān)鍵部件圖像判斷所述軌道機車及車輛的走行部是否異常，如果是，則匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警。

優(yōu)選的，還包括：訓(xùn)練模塊；

所述訓(xùn)練模塊包括：

第一數(shù)據(jù)集單元，用于獲取關(guān)鍵部件的圖像數(shù)據(jù)集，并將所述關(guān)鍵部件的圖像數(shù)據(jù)集輸入到待訓(xùn)練識別模塊中，獲得所述待訓(xùn)練識別模塊輸出的第一訓(xùn)練結(jié)果；

第一判斷單元，用于將所述第一訓(xùn)練結(jié)果與第一標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第一閾值，則完成關(guān)鍵部件訓(xùn)練；如果誤差大于第一閾值，則調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù)，返回所述第一數(shù)據(jù)集單元。

優(yōu)選的，所述訓(xùn)練模塊還包括：

第二數(shù)據(jù)集單元，用于獲取整車的圖像數(shù)據(jù)集，并將所述整車的圖像數(shù)據(jù)集輸入到完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊中，獲得所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊輸出的第二訓(xùn)練結(jié)果；

第二判斷單元，用于將所述第二訓(xùn)練結(jié)果與第二標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第二閾值，則完成整車結(jié)構(gòu)訓(xùn)練，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊；如果誤差大于第二閾值，則調(diào)整所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊的各項參數(shù)，返回所述第二數(shù)據(jù)集單元。

優(yōu)選的，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊具體用于，識別所述過車圖像中的每一個可識別特征，并將每一個可識別特征作為一張所述關(guān)鍵部件圖像輸出。

優(yōu)選的，所述圖像采集模塊包括二維圖像獲取單元和/或三維圖像獲取單元，其中，

所述二維圖像獲取單元，用于獲取所述軌道機車及車輛的二維過車圖像；

所述三維圖像獲取單元，用于獲取所述軌道機車及車輛的三維過車圖像。

優(yōu)選的，所述故障分析模塊包括：

車輛匹配單元，用于根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛；

分級報警單元，用于將所述走行部的異常信息與匹配的相應(yīng)軌道機車及車輛進行綁定，并根據(jù)所述走行部的異常信息進行分級報警。

優(yōu)選的，所述分級報警單元具體用于，將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示，并根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息。

從上述技術(shù)方案可以看出，本發(fā)明實施例提供了一種軌道機車及車輛走行部檢測方法及檢測系統(tǒng)，其中，所述軌道機車及車輛走行部檢測方法通過將所述軌道機車及車輛的過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中，以實現(xiàn)獲得所述軌道機車及車輛的關(guān)鍵部件圖像的目的，進一步當(dāng)根據(jù)所述關(guān)鍵部件圖像判斷出所述軌道機車及車輛的走行部出現(xiàn)異常時，才根據(jù)所述車號信息向相應(yīng)的軌道機車及車輛發(fā)出警報，大大降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，從而達(dá)到減少軌道機車及車輛的工作人員的無效勞動的目的。這是因為所述走行部的關(guān)鍵部件決定著其是否能夠正常工作，經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊可以很好的識別所述過車圖像中的關(guān)鍵部件，從而實現(xiàn)剔除背景，只對關(guān)鍵部件的重點檢測，避免了現(xiàn)有技術(shù)中由于所述軌道列車的部件更換或某些零部件(例如鉤緩部件、風(fēng)管、電纜、彈簧和掛鉤鏈環(huán))在所述軌道機車及車輛運行過程中不可避免的會發(fā)生移動或晃動而造成位置相對變化所引起的誤報警，進而實現(xiàn)了降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，減少所述軌道機車及車輛的工作人員的無效勞動的目的。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本申請的一個實施例提供的一種軌道機車及車輛走行部檢測方法的流程示意圖；

圖2為本申請的一個實施例提供的一種經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程的流程示意圖；

圖3為本申請的一個實施例提供的一種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖4為本申請的一個優(yōu)選實施例提供的一種經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程的流程示意圖；

圖5為本申請的一個實施例提供的一種軌道機車及車輛走行部檢測系統(tǒng)的結(jié)構(gòu)示意圖；

圖6為本申請的一個實施例提供的一種訓(xùn)練模塊的結(jié)構(gòu)示意圖；

圖7為本申請的一個優(yōu)選實施例提供的一種訓(xùn)練模塊的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本申請實施例提供了一種軌道機車及車輛走行部檢測方法，如圖1所示，包括：

S101：獲取軌道機車及車輛的過車圖像；

S102：獲取所述軌道機車及車輛的車號信息；

S103：將所述過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊輸出的所述軌道機車及車輛的關(guān)鍵部件圖像；

S104：根據(jù)所述關(guān)鍵部件圖像判斷所述軌道機車及車輛的走行部是否異常，如果是，則匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警。

需要說明的是，所述軌道機車及車輛的關(guān)鍵部件是指能夠影響所述走行部運行安全的部件，例如抱軸箱、齒輪箱、電機、制動裝置、牽引緩沖連接裝置、牽引裝置、砂箱、車輪、閘機和閘瓦等。所述關(guān)鍵部件圖像是指包含一種所述關(guān)鍵部件的圖像，那么對于車輪這一類型的關(guān)鍵部件而言，由于車輪的數(shù)量較多且分布線度較長，因此包含車輪這一種關(guān)鍵部件的圖像一般會有多張。對識別模塊進行訓(xùn)練樣本的預(yù)先訓(xùn)練的目的是將每一種關(guān)鍵部件作為其的一個可識別特征，這樣在獲得輸入的所述過車圖像后，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊會識別所述過車圖像中的每一個可識別特性，并將每一個可識別特征作為一張所述關(guān)鍵部件圖像輸出。

與所述關(guān)鍵部件概念相對的則是位置或形態(tài)發(fā)生變化不會影響所述走行部運行安全的非關(guān)鍵部件，這些非關(guān)鍵部件中的部分部件(例如鉤緩部件、風(fēng)管、電纜、彈簧和掛鉤鏈環(huán)等部件)在所述軌道機車及車輛的運行過程中不可避免的會發(fā)生位置的移動或形態(tài)的變化，如果單純利用當(dāng)次獲取的所述過車圖像與歷史過車圖像進行簡單比對獲取差異點的方式對所述走行部進行檢測，勢必會因為上述部件的位置移動或形態(tài)的變化而引起誤報警，另外所述走行部的部件更換也會引起誤報警。

而本申請實施例提供的所述軌道機車及車輛走行部檢測方法通過將所述軌道機車及車輛的過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊中，以實現(xiàn)獲得所述軌道機車及車輛的關(guān)鍵部件圖像的目的，進一步當(dāng)根據(jù)所述關(guān)鍵部件圖像判斷出所述軌道機車及車輛的走行部出現(xiàn)異常時，才根據(jù)所述車號信息向相應(yīng)的軌道機車及車輛發(fā)出警報，大大降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，從而達(dá)到減少軌道機車及車輛的工作人員的無效勞動的目的。

還需要說明的是，在本實施例中，所述車號信息可以包括車型、車號、編組和端位信息，是軌道機車及車輛的唯一身份信息，可以根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛，從而可以將所述過車圖像或所述走行部異常信息與相應(yīng)的軌道機車及車輛進行匹配。在本申請的一個實施例中，所述車號信息可以通過射頻識別(Radio Frequency Identification，RFID)技術(shù)獲取。在本申請的其他實施例中，所述車號信息還可以通過圖像處理技術(shù)獲取。本申請對獲取所述車號信息的具體方式并不做限定，具體視實際情況而定。

另外，所述過車圖像一般包括所述軌道機車及車輛的車底圖像和車側(cè)圖像。

在上述實施例的基礎(chǔ)上，在本申請的一個實施例中，如圖2所示，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程包括：

S201：獲取關(guān)鍵部件的圖像數(shù)據(jù)集；

S202：將所述關(guān)鍵部件的圖像數(shù)據(jù)集輸入到待訓(xùn)練識別模塊中，獲得所述待訓(xùn)練識別模塊輸出的第一訓(xùn)練結(jié)果；

S203：將所述第一訓(xùn)練結(jié)果與第一標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第一閾值，則完成關(guān)鍵部件訓(xùn)練；如果誤差大于第一閾值，則調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù)，返回S202。

需要說明的是，所述待訓(xùn)練識別模塊可以是神經(jīng)網(wǎng)絡(luò)、支持向量機、模板匹配模塊、自頂向下模塊或自底向上模塊等，本申請對所述待訓(xùn)練識別模塊的具體種類并不做限定，具體視實際情況而定。

以神經(jīng)網(wǎng)絡(luò)作為所述待訓(xùn)練識別模塊為例，如圖3所示，所述神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，所述過車圖像通過所述輸入層輸入到所述神經(jīng)網(wǎng)絡(luò)中，經(jīng)過所述隱含層的逐層處理直至輸出層，若輸出層輸出與期望輸出(教師信號，也即所述第一標(biāo)準(zhǔn)結(jié)果)的誤差達(dá)到設(shè)定精度(小于第一閾值)，則學(xué)習(xí)結(jié)束；否則則進入誤差反向傳播過程，并按照梯度下降法調(diào)整每級所述隱含層各神經(jīng)元的權(quán)值和閾值(調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù))，從而使所述神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出不斷逼近期望輸出。

其中，隱含層的神經(jīng)元數(shù)目的選擇是一個需要考慮的問題：隱含層神經(jīng)元數(shù)目過少，可能會導(dǎo)致所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練不理想或者失敗，不能識別以前未見過的樣本，泛化能力與容錯性較差。而如果隱含層節(jié)點數(shù)過多，不僅增加了訓(xùn)練難度和訓(xùn)練時間，還有可能會出現(xiàn)過擬合的現(xiàn)象。

在本申請的一個優(yōu)選實施例中，訓(xùn)練過程中為避免出現(xiàn)過擬合現(xiàn)象，確定隱含層神經(jīng)元數(shù)目的基本原則是：在保證足夠高的網(wǎng)絡(luò)性能和泛化能力的前提下，盡可能采用緊湊結(jié)構(gòu)，即隱含層盡可能選取較少的神經(jīng)元數(shù)目。但本申請對選取所述隱含層神經(jīng)元數(shù)目的原則以及所述隱含層神經(jīng)元的具體數(shù)目并不做限定，具體視實際情況而定。

在本實施例中，經(jīng)過所述關(guān)鍵部件的圖像數(shù)據(jù)集的訓(xùn)練過程后，即可稱所述待訓(xùn)練識別模塊為所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊可以用于在線檢測所述軌道機車及車輛走行部，實現(xiàn)根據(jù)所述過車圖像輸出所述軌道機車及車輛的關(guān)鍵部件圖像的功能。

在上述實施例的基礎(chǔ)上，在本申請的另一個實施例中，如圖4所示，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊的訓(xùn)練過程還包括：

S204：獲取整車的圖像數(shù)據(jù)集；

S205：將所述整車的圖像數(shù)據(jù)集輸入到完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊中，獲得所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊輸出的第二訓(xùn)練結(jié)果；

S206：將所述第二訓(xùn)練結(jié)果與第二標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第二閾值，則完成整車結(jié)構(gòu)訓(xùn)練，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊；如果誤差大于第二閾值，則調(diào)整所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊的各項參數(shù)，返回步驟S205。

在本實施例中，利用所述整車的圖像數(shù)據(jù)集對所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊進行訓(xùn)練的目的是使所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊對所述關(guān)鍵部件在整車的位置關(guān)系進行學(xué)習(xí)(或者說是對所述軌道機車及車輛的整車結(jié)構(gòu)進行學(xué)習(xí))，從而獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊，以提高所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊對所述關(guān)鍵部件的識別率，進一步降低所述軌道機車及車輛走行部檢測方法的誤報警率。

在上述實施例的基礎(chǔ)上，在本申請的又一個實施例中，所述獲取軌道機車及車輛的過車圖像包括：

獲取所述軌道機車及車輛的二維過車圖像，和/或，獲取所述軌道機車及車輛的三維過車圖像。

需要說明的是，在本申請的一個實施例中，所述獲取軌道機車及車輛的過車圖像包括：獲取所述軌道機車及車輛的二維過車圖像，或，獲取所述軌道機車及車輛的三維過車圖像，那么在本實施例中，所述過車圖像僅包括二維過車圖像和三維過車圖像中的一種。在本申請的其他實施例中，所述獲取軌道機車及車輛的過車圖像包括：獲取所述軌道機車及車輛的二維過車圖像和三維過車圖像，那么在本實施例中，所述過車圖像既包括二維過車圖像，又包括三維過車圖像。本申請對此并不做限定，具體視實際情況而定。

還需要說明的是，所述二維過車圖像可以通過線陣技術(shù)或面陣技術(shù)獲取，所述三維過車圖像可以通過結(jié)構(gòu)光技術(shù)或雙目三維重構(gòu)技術(shù)獲取。本申請對獲取所述二維過車圖像和三維過車圖像的具體方法并不做限定，具體視實際情況而定。

在上述實施例的基礎(chǔ)上，在本申請的一個優(yōu)選實施例中，所述根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警包括：

根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛；

將所述走行部的異常信息與匹配的相應(yīng)軌道機車及車輛進行綁定，并根據(jù)所述走行部的異常信息進行分級報警。

具體地，所述根據(jù)所述走行部的異常信息進行分級報警包括：

將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示；

根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息。

需要說明的是，將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示的目的是便于軌道機車及車輛管理人員清晰的獲取出現(xiàn)故障的走行部的具體位置，并通過與該走行部的異常信息綁定的軌道機車及車輛獲取相應(yīng)的軌道機車及車輛的身份信息。另外，在本申請的一個實施例中，包含所述走行部異常信息的軌道機車及車輛模型及其對應(yīng)的軌道機車及車輛身份信息還可以保存在本地或服務(wù)器中，供其他的軌道機車及車輛管理人員或系統(tǒng)調(diào)用。

還需要說明的是，根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息的目的是根據(jù)所述走行部出現(xiàn)的故障的嚴(yán)重情況進行分級預(yù)警。具體地，當(dāng)所述走行部出現(xiàn)較為嚴(yán)重的故障時，選擇等級較高的預(yù)警等級，發(fā)出與該預(yù)警等級匹配的報警信息，例如蜂鳴音等。當(dāng)所述走行部出現(xiàn)一般故障時，選擇等級較低的預(yù)警等級，發(fā)出與該預(yù)警等級匹配的報警信息，例如將包含有所述走行部異常信息的軌道機車及車輛模型進行閃爍等，例外所述軌道機車及車輛模型的閃爍頻率不同，也可以代表不同程度的走行部故障。本申請對此并不做限定，具體視實際情況而定。

相應(yīng)的，本申請實施例還提供了一種軌道機車及車輛走行部檢測系統(tǒng)，如圖5所示，包括：

圖像采集模塊100，用于獲取軌道機車及車輛的過車圖像；

車號識別模塊200，用于獲取所述軌道機車及車輛的車號信息；

經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300，用于根據(jù)所述過車圖像獲取所述軌道機車及車輛的關(guān)鍵部件圖像；

故障分析模塊400，用于根據(jù)所述關(guān)鍵部件圖像判斷所述軌道機車及車輛的走行部是否異常，如果是，則匹配相應(yīng)的軌道機車及車輛，并根據(jù)所述走行部的異常信息進行報警。

需要說明的是，所述軌道機車及車輛的關(guān)鍵部件是指能夠影響所述走行部運行安全的部件，例如抱軸箱、齒輪箱、電機、制動裝置、牽引緩沖連接裝置、牽引裝置、砂箱、車輪、閘機和閘瓦等。所述關(guān)鍵部件圖像是指包含一種所述關(guān)鍵部件的圖像，那么對于車輪這一類型的關(guān)鍵部件而言，由于車輪的數(shù)量較多且分布線度較長，因此包含車輪這一種關(guān)鍵部件的圖像一般會有多張。對識別模塊進行訓(xùn)練樣本的預(yù)先訓(xùn)練的目的是將每一種關(guān)鍵部件作為其的一個可識別特征，這樣在獲得輸入的所述過車圖像后，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300會識別所述過車圖像中的每一個可識別特性，并將每一個可識別特征作為一張所述關(guān)鍵部件圖像輸出。

與所述關(guān)鍵部件概念相對的則是位置或形態(tài)發(fā)生變化不會影響所述走行部運行安全的非關(guān)鍵部件，這些非關(guān)鍵部件中的部分部件(例如鉤緩部件、風(fēng)管、電纜、彈簧和掛鉤鏈環(huán)等部件)在所述軌道機車及車輛的運行過程中不可避免的會發(fā)生位置的移動或形態(tài)的變化，如果單純利用當(dāng)次獲取的所述過車圖像與歷史過車圖像進行簡單比對獲取差異點的方式對所述走行部進行檢測，勢必會因為上述部件的位置移動或形態(tài)的變化而引起誤報警，另外所述走行部的部件更換也會引起誤報警。

而本申請實施例提供的所述軌道機車及車輛走行部檢測系統(tǒng)通過將所述軌道機車及車輛的過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300中，以實現(xiàn)獲得所述軌道機車及車輛的關(guān)鍵部件圖像的目的，進一步當(dāng)根據(jù)所述關(guān)鍵部件圖像判斷出所述軌道機車及車輛的走行部出現(xiàn)異常時，才根據(jù)所述車號信息向相應(yīng)的軌道機車及車輛發(fā)出警報，大大降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，從而達(dá)到減少軌道機車及車輛的工作人員的無效勞動的目的。

還需要說明的是，在本實施例中，所述車號信息可以包括車型、車號、編組和端位信息，是軌道機車及車輛的唯一身份信息，可以根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛，從而可以將所述過車圖像或所述走行部異常信息與相應(yīng)的軌道機車及車輛進行匹配。

在本申請的一個實施例中，所述車號識別模塊200可以是射頻識別(Radio Frequency Identification，RFID)系統(tǒng)。在本申請的其他實施例中，所述車號識別模塊200還可以是圖像處理系統(tǒng)。本申請對所述車號識別模塊200的具體實現(xiàn)方式并不做限定，具體視實際情況而定。

另外，所述過車圖像一般包括所述軌道機車及車輛的車底圖像和車側(cè)圖像。

在上述實施例的基礎(chǔ)上，在本申請的一個實施例中，如圖6所示，所述軌道機車及車輛走行部檢測系統(tǒng)還包括：訓(xùn)練模塊500；

所述訓(xùn)練模塊500包括：

第一數(shù)據(jù)集單元510，用于獲取關(guān)鍵部件的圖像數(shù)據(jù)集，并將所述關(guān)鍵部件的圖像數(shù)據(jù)集輸入到待訓(xùn)練識別模塊中，獲得所述待訓(xùn)練識別模塊輸出的第一訓(xùn)練結(jié)果；

第一判斷單元520，用于將所述第一訓(xùn)練結(jié)果與第一標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第一閾值，則完成關(guān)鍵部件訓(xùn)練；如果誤差大于第一閾值，則調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù)，返回所述第一數(shù)據(jù)集單元510。

需要說明的是，所述待訓(xùn)練識別模塊可以是神經(jīng)網(wǎng)絡(luò)、支持向量機、模板匹配模塊、自頂向下模塊或自底向上模塊等，本申請對所述待訓(xùn)練識別模塊的具體種類并不做限定，具體視實際情況而定。

以神經(jīng)網(wǎng)絡(luò)作為所述待訓(xùn)練識別模塊為例，如圖3所示，所述神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，所述過車圖像通過所述輸入層輸入到所述神經(jīng)網(wǎng)絡(luò)中，經(jīng)過所述隱含層的逐層處理直至輸出層，若輸出層輸出與期望輸出(教師信號，也即所述第一標(biāo)準(zhǔn)結(jié)果)的誤差達(dá)到設(shè)定精度(小于第一閾值)，則學(xué)習(xí)結(jié)束；否則則進入誤差反向傳播過程，并按照梯度下降法調(diào)整每級所述隱含層各神經(jīng)元的權(quán)值和閾值(調(diào)整所述待訓(xùn)練識別模塊的各項參數(shù))，從而使所述神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出不斷逼近期望輸出。

其中，隱含層的神經(jīng)元數(shù)目的選擇是一個需要考慮的問題：隱含層神經(jīng)元數(shù)目過少，可能會導(dǎo)致所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練不理想或者失敗，不能識別以前未見過的樣本，泛化能力與容錯性較差。而如果隱含層節(jié)點數(shù)過多，不僅增加了訓(xùn)練難度和訓(xùn)練時間，還有可能會出現(xiàn)過擬合的現(xiàn)象。

在本申請的一個優(yōu)選實施例中，訓(xùn)練過程中為避免出現(xiàn)過擬合現(xiàn)象，確定隱含層神經(jīng)元數(shù)目的基本原則是：在保證足夠高的網(wǎng)絡(luò)性能和泛化能力的前提下，盡可能采用緊湊結(jié)構(gòu)，即隱含層盡可能選取較少的神經(jīng)元數(shù)目。但本申請對選取所述隱含層神經(jīng)元數(shù)目的原則以及所述隱含層神經(jīng)元的具體數(shù)目并不做限定，具體視實際情況而定。

在本實施例中，經(jīng)過所述關(guān)鍵部件的圖像數(shù)據(jù)集的訓(xùn)練過程后，即可稱所述待訓(xùn)練識別模塊為所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300，所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300可以用于在線檢測所述軌道機車及車輛走行部，實現(xiàn)根據(jù)所述過車圖像輸出所述軌道機車及車輛的關(guān)鍵部件圖像的功能。

在上述實施例的基礎(chǔ)上，在本申請的另一個實施例中，如圖7所示，所述訓(xùn)練模塊500還包括：

第二數(shù)據(jù)集單元530，用于獲取整車的圖像數(shù)據(jù)集，并將所述整車的圖像數(shù)據(jù)集輸入到完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊中，獲得所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊輸出的第二訓(xùn)練結(jié)果；

第二判斷單元540，用于將所述第二訓(xùn)練結(jié)果與第二標(biāo)準(zhǔn)結(jié)果進行比較，如果誤差小于第二閾值，則完成整車結(jié)構(gòu)訓(xùn)練，獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300；如果誤差大于第二閾值，則調(diào)整所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊的各項參數(shù)，返回所述第二數(shù)據(jù)集單元530。

在本實施例中，利用所述整車的圖像數(shù)據(jù)集對所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊進行訓(xùn)練的目的是使所述完成關(guān)鍵部件訓(xùn)練后的待訓(xùn)練識別模塊對所述關(guān)鍵部件在整車的位置關(guān)系進行學(xué)習(xí)(或者說是對所述軌道機車及車輛的整車結(jié)構(gòu)進行學(xué)習(xí))，從而獲得所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300，以提高所述經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300對所述關(guān)鍵部件的識別率，進一步降低所述軌道機車及車輛走行部檢測方法的誤報警率。

在上述實施例的基礎(chǔ)上，在本申請的又一個實施例中，所述圖像采集模塊100包括二維圖像獲取單元和/或三維圖像獲取單元，其中，

所述二維圖像獲取單元，用于獲取所述軌道機車及車輛的二維過車圖像；

所述三維圖像獲取單元，用于獲取所述軌道機車及車輛的三維過車圖像。

需要說明的是，在本申請的一個實施例中，所述圖像采集模塊100包括二維圖像獲取單元或三維圖像獲取單元，那么在本實施例中，所述過車圖像僅包括二維過車圖像和三維過車圖像中的一種。在本申請的其他實施例中，所述圖像采集模塊100包括二維圖像獲取單元和三維圖像獲取單元，那么在本實施例中，所述過車圖像既包括二維過車圖像，又包括三維過車圖像。本申請對此并不做限定，具體視實際情況而定。

還需要說明的是，所述二維圖像獲取單元可以是線陣相機或面陣相機，所述三維圖像獲取單元可以是結(jié)構(gòu)光三維成像系統(tǒng)或雙目三維重構(gòu)系統(tǒng)。本申請對所述二維圖像獲取單元和三維圖像獲取單元的具體實現(xiàn)形式并不做限定，具體視實際情況而定。

在上述實施例的基礎(chǔ)上，在本申請的一個優(yōu)選實施例中，所述故障分析模塊400包括：

車輛匹配單元，用于根據(jù)所述車號信息匹配相應(yīng)的軌道機車及車輛；

分級報警單元，用于將所述走行部的異常信息與匹配的相應(yīng)軌道機車及車輛進行綁定，并根據(jù)所述走行部的異常信息進行分級報警。

在本申請的一個具體實施例中，所述分級報警單元具體用于，將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示，并根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息。

需要說明的是，將所述走行部的異常信息在軌道機車及車輛模型的相應(yīng)位置處進行顯示的目的是便于軌道機車及車輛管理人員清晰的獲取出現(xiàn)故障的走行部的具體位置，并通過與該走行部的異常信息綁定的軌道機車及車輛獲取相應(yīng)的軌道機車及車輛的身份信息。另外，在本申請的一個實施例中，包含所述走行部異常信息的軌道機車及車輛模型及其對應(yīng)的軌道機車及車輛身份信息還可以保存在本地或服務(wù)器中，供其他的軌道機車及車輛管理人員或系統(tǒng)調(diào)用。

還需要說明的是，根據(jù)所述走行部的異常信息選擇預(yù)警等級，發(fā)出與所述預(yù)警等級匹配的報警信息的目的是根據(jù)所述走行部出現(xiàn)的故障的嚴(yán)重情況進行分級預(yù)警。具體地，當(dāng)所述走行部出現(xiàn)較為嚴(yán)重的故障時，選擇等級較高的預(yù)警等級，發(fā)出與該預(yù)警等級匹配的報警信息，例如蜂鳴音等。當(dāng)所述走行部出現(xiàn)一般故障時，選擇等級較低的預(yù)警等級，發(fā)出與該預(yù)警等級匹配的報警信息，例如將包含有所述走行部異常信息的軌道機車及車輛模型進行閃爍等，例外所述軌道機車及車輛模型的閃爍頻率不同，也可以代表不同程度的走行部故障。本申請對此并不做限定，具體視實際情況而定。

綜上所述，本申請實施例提供了一種軌道機車及車輛走行部檢測方法及檢測系統(tǒng)，其中，所述軌道機車及車輛走行部檢測方法通過將所述軌道機車及車輛的過車圖像輸入到經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300中，以實現(xiàn)獲得所述軌道機車及車輛的關(guān)鍵部件圖像的目的，進一步當(dāng)根據(jù)所述關(guān)鍵部件圖像判斷出所述軌道機車及車輛的走行部出現(xiàn)異常時，才根據(jù)所述車號信息向相應(yīng)的軌道機車及車輛發(fā)出警報，大大降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，從而達(dá)到減少軌道機車及車輛的工作人員的無效勞動的目的。這是因為所述走行部的關(guān)鍵部件決定著其是否能夠正常工作，經(jīng)訓(xùn)練樣本預(yù)先訓(xùn)練的識別模塊300可以很好的識別所述過車圖像中的關(guān)鍵部件，從而實現(xiàn)剔除背景，只對關(guān)鍵部件的重點檢測，避免了現(xiàn)有技術(shù)中由于所述軌道列車的部件更換或某些零部件(例如鉤緩部件、風(fēng)管、電纜、彈簧和掛鉤鏈環(huán))在所述軌道機車及車輛運行過程中不可避免的會發(fā)生移動或晃動而造成位置相對變化所引起的誤報警，進而實現(xiàn)了降低了所述軌道機車及車輛走行部檢測方法的誤報警概率，減少所述軌道機車及車輛的工作人員的無效勞動的目的。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。

對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。