(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211260741.4 (22)申请日 2022.10.14 (71)申请人 哈尔滨市科佳通用机电股份有限公 司 地址 150060 黑龙江省哈尔滨市经开区哈 平路集中区潍 坊路2号 (72)发明人 马元通　马凌宇　秦昌　 (74)专利代理 机构 哈尔滨市松花江专利商标事 务所 23109 专利代理师 张月航 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/52(2022.01) G06V 10/75(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06T 3/40(2006.01) (54)发明名称 货车脱轨自动制动装置塞门手把关闭故障 识别方法及系统 (57)摘要 本发明的一种货车脱轨自动制动装置塞门 手把关闭故障识别方法及系统， 涉及基于故障检 测模型的制动装置部件故障检测方法及系统， 目 的是为了克服现采用人工检测脱轨自动制动阀 装置出现塞门手， 错漏检问题时有发生的问题， 方法具体包括如下步骤： S1、 采集得到包含脱轨 自动制动装置塞门手把部件的待检测图像； S2、 使用故障检测模型对待检测图像中的脱轨自动 制动装置塞门手把部件进行检测， 检测得到脱轨 自动制动装置塞门手把部件的位置， 并判断脱轨 自动制动装置塞门手把部件是否为关闭状态， 如 果脱轨自动制动装置塞门手把部件为关闭状态， 则执行步骤三； S3、 生成故障信息； 故障信息包括 脱轨自动制动装置塞门手把部件的位置 。 权利要求书3页 说明书9页 附图1页 CN 115527170 A 2022.12.27 CN 115527170 A 1.货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征在于， 具体包括如下步 骤： S1、 采集得到包 含脱轨自动制动装置塞门手把部件的待检测图像； S2、 使用故障检测模型对所述待检测图像 中的脱轨自动制动装置塞门手把部件进行检 测， 检测得到脱轨 自动制动装置塞门手把部件的位置， 并判断脱轨自动制动装置塞门手把 部件是否为关闭状态， 如果脱轨自动制动装置塞门手把部件为关闭状态， 则执 行步骤三； 所述故障检测模型为Faster  R‑CNN， 并且该Faster  R‑CNN中的采用多尺度池化操作 RoIAlign对特征图进行池化； S3、 生成故障信息； 所述故障信息包括脱轨自动制动装置塞门手把部件的位置 。 2.根据权利要求1所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 步骤二中的故障检测模型的训练方法如下： S21、 采集得到包含脱轨自动制动装置塞门手部件的局部区域图像， 并对脱轨自动制动 装置塞门手部件进行 标记， 生成原 始样本数据集； S22、 对原始样本数据集进行扩增， 得到训练数据集； S23、 通过训练数据集对故障检测模型训练至收敛， 得到训练后的故障检测模型和权 重； 完成故障检测模型的训练。 3.根据权利要求2所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 步骤2 2中， 扩增的方法是通过改进马赛克 数据增强方法进行扩增， 具体步骤如下 S221、 随机选取4张原始样本数据集中的局部区域图像进行2 ×2规格的拼接， 得到拼接 图像m4； 所述2×2规格的拼接为 拼接图像中的每行和每列拼接有2张局部区域图像； S222、 随机选取4张原始样本数据集中的局部区域图像进行3 ×3的拼接， 得到拼接图像 m9； 所述3×3规格的拼接为 拼接图像中的每行和每列拼接有3张局部区域图像； S223、 当图像m1、 拼接图像m4和拼接图像m9的数量达 到设定比例后， 扩增完成； 图像m1为没有拼接的局部区域图像。 4.根据权利要求3所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 步骤二中， 通过高斯衰减得分公式得到筛选置信得分Si'， 并按照筛选置信得分Si'对 重叠的预测框进行筛 选； 所述预测框是在故障检测模型检测过程 生成； 其中， σ 为超参数， i为类别编号， M为置信得分最高的预测框， bi为被比较的预测框， iou (M， bi)为置信得分最高的预测框M与预测框bi的交并比， D为处理后的预测框集合， Si为被比 较的预测框的原 始置信得分。 5.根据权利要求4所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 步骤S21中， 采集得到局部区域图像的具体方法如下： 步骤211、 对货车底部采用线扫描， 并拼接得到货车底部大图； 步骤212、 利用货车轴距信息、 车型信息对脱轨自动制动装置塞门手把位置进行初步定 位， 从货车底部大图中截取 得到包含脱轨自动制动装置塞门手把部件的局部区域图像。权　利　要　求　书 1/3 页 2 CN 115527170 A 26.货车脱轨自动制动装置塞门手把关闭故障识别系统， 其特 征在于， 包括： 待检测图像采集模块， 用于采集得到包含脱轨自动制动装置塞门手把部件的待检测图 像， 并发送至故障检测模块； 故障检测模块， 用于使用故障检测模型对所述待检测图像中的脱轨自动制动装置塞门 手把部件进行检测， 检测得到脱轨自动制动装置塞门手把部件的位置， 并判断脱轨自动制 动装置塞门手把部件是否为关闭状态， 如果脱轨自动制动装置塞门手把部件为关闭状态， 则将相应的脱轨自动制动装置塞门 手把部件的位置发送至故障信息生成模块； 所述故障检测模型为FasterR ‑CNN， 并且该FasterR ‑CNN中的采用多尺度池化操作 RoIAlign对特征图进行池化； 故障信息生成模块， 用于生成故障信息； 所述故障信息包括脱轨自动制动装置塞门手把部件的位置 。 7.根据权利要求6所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 故障检测模块中的故障检测模型 是通过模型生成模块得到的， 模型生成模块包括： 样本图像采集模块， 用于采集得到包含脱轨自动制动装置塞门手部件的局部区域图 像， 并对脱轨自动制动装置塞门手部件进 行标记， 生成原始样本数据集， 并发送至样本增强 模块； 样本增强模块， 用于对原始样本数据集进行扩增， 得到训练数据集， 并发送至模型训练 模块； 模型训练模块， 用于通过训练数据集对故障检测模型训练至收敛， 得到训练后的故障 检测模型和权 重； 完成故障检测模型的训练。 8.根据权利要求7所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 样本增强模块包括改进马赛克 数据增强模块， 所述改进马赛克 数据增强模块包括： 图像拼接通道一， 用于生成图像m1； 图像m1为没有拼接的局部区域图像； 图像拼接通道二， 用于随机选取4张原始样本数据集中的局部区域图像进行2 ×2规格 的拼接， 得到拼接图像m4； 所述2×2规格的拼接为拼接图像中 的每行和每列拼接有2张局部 区域图像； 图像拼接通道三， 用于随机选取4张原始样本数据集中的局部区域图像进行3 ×3的拼 接， 得到拼接图像m9； 所述3×3规格的拼接为拼接图像中 的每行和每列拼接有3张局部区域 图像。 9.根据权利要求8所述的货车脱轨自动制动装置塞门手把关闭故障识别方法， 其特征 在于， 故障检测模块还 包括预测框 筛选模块； 所述预测 框筛选模块， 用于通过高斯衰减得分公式得到筛选置信 得分Si'， 并按照筛选 置信得分Si'对重叠的预测框进行筛 选； 所述预测框是在故障检测模型检测过程 生成； 其中， σ 为超参数， i为类别编号， M为置信得分最高的预测框， bi为被比较的预测框， iou (M， bi)为置信得分最高的预测框M与预测框bi的交并比， D为处理后的预测框集合， Si为被比 较的预测框的原 始置信得分。权　利　要　求　书 2/3 页 3 CN 115527170 A 3