公开(公告)号：CN109977817B

公开(公告)日：2021-04-27

申请号：CN201910191790.9

申请日：2019-03-14

Applicant: 南京邮电大学

Inventor： 何利文 ,  张幸宁 ,  陆娅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/12

Abstract: 本发明提出了一种基于深度学习的动车组车底板螺栓故障检测方法，涉及图像处理和深度学习领域，包括以下步骤：制作待检测动车组车厢底板螺栓图片数据库，包括动车组车厢底板含螺栓图数据库以及螺栓丢失图数据库；基于改进的yolov3目标检测算法对动车组车厢底部细小螺栓进行目标定位；采用基于深度学习的方法进行待检测螺栓丢失状态的检测；最后将待测试图像输入检测模型得到螺栓丢失检测结果。本发明能有效提高动车组入库维修的检测效率，减少人力投入成本。

公开(公告)号：CN109977817A

公开(公告)日：2019-07-05

申请号：CN201910191790.9

申请日：2019-03-14

Applicant: 南京邮电大学

Inventor： 何利文 ,  张幸宁 ,  陆娅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/12

Abstract: 本发明提出了一种基于深度学习的动车组车底板螺栓故障检测方法，涉及图像处理和深度学习领域，包括以下步骤：制作待检测动车组车厢底板螺栓图片数据库，包括动车组车厢底板含螺栓图数据库以及螺栓丢失图数据库；基于改进的yolov3目标检测算法对动车组车厢底部细小螺栓进行目标定位；采用基于深度学习的方法进行待检测螺栓丢失状态的检测；最后将待测试图像输入检测模型得到螺栓丢失检测结果。本发明能有效提高动车组入库维修的检测效率，减少人力投入成本。