一种基于深度学习的上拉杆故障检测方法，它属于上拉杆故障检测技术领域。
本发明解决了采用现有方法进行上拉杆故障检测时容易出现错、漏检以及检测效率低的问题。
本发明首先采集待检测的列车图像，并从采集的图像中获取感兴趣区域图像；然后对感兴趣区域图像进行增强处理，获得增强处理后的感兴趣区域图像；对图像进行分割后，通过改进SSD模型输出分割后子图像中制动缸部件位置；并根据制动缸位置提取出包含上拉杆的待识别图像；最后采用FasterRCNN模型和Unet模型对待识别图像中的上拉杆进行故障识别。
本发明可以应用于上拉杆故障检测。

马元通

哈尔滨市科佳通用机电股份有限公司

150060 黑龙江省哈尔滨市经开区哈平路集中区潍坊路2号

一种基于深度学习的上拉杆故障检测方法，它属于上拉杆故障检测技术领域。
本发明解决了采用现有方法进行上拉杆故障检测时容易出现错、漏检以及检测效率低的问题。
本发明首先采集待检测的列车图像，并从采集的图像中获取感兴趣区域图像；然后对感兴趣区域图像进行增强处理，获得增强处理后的感兴趣区域图像；对图像进行分割后，通过改进SSD模型输出分割后子图像中制动缸部件位置；并根据制动缸位置提取出包含上拉杆的待识别图像；最后采用FasterRCNN模型和Unet模型对待识别图像中的上拉杆进行故障识别。
本发明可以应用于上拉杆故障检测。