(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 202211165704.5 (22)申请日 2022.09.23 (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 韩旭　 (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 时起磊 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种车门滑轮脱 出轨道故障检测方法、 存储 介质及设备 (57)摘要 一种车门滑轮脱 出轨道故障检测方法、 存储 介质及设备， 属于铁路列车检测技术领域。 本发 明为了解决现有的神经网络用于车门滑轮脱出 轨道故障检测时存在检测准确率有待于提高的 问题， 以及存在不能兼顾检测效率和准确率的问 题。 本发明采用车门滑轮脱出轨道故障检测网络 进行故障检测， 检测网络在YOLOV3三个尺度特征 融合的基础上增加一个尺度， 并在YOL OV3的特征 提取网络和检测头网络中也增加了改进的CBAM 通道与空间注 意力机制模块， 即采用通道注意力 机制重构与空间注意力机制重构， 同时YOLOV 3检 测网络中FPN特征金字塔替换为BiFPN特征金字 塔， 然后基于检测网络实现车门滑轮脱出轨道的 故障检测。 权利要求书3页 说明书11页 附图4页 CN 115424230 A 2022.12.02 CN 115424230 A 1.一种车门滑轮脱出轨道故障检测方法， 包括以下步骤： 获取车门滑动轨道部分图像后， 将图像送入车门滑轮脱出轨道故障检测网络进行检 测， 车门滑轮脱出轨道故 障检测网络为YOLOV3的改进网络， 所述的车门滑轮脱出轨道故 障 检测网络包括特征提取网络Backbone、 特征金字塔处理网络Neck和检测头网络 Predicti on； 特征金字塔处 理网络采用BiFPN特 征金字塔； 其特 征在于， 所述Backbone包括一个CABL单元和五个RES单元， RES单元分别记为第一RES单元至第 五RES单元； CABL单元包括一个卷积层、 一个A ttention模块、 一个BN层和一个激活函数层； 第一RES单元至第五RES单元均包括一个Zero  padding层、 一个CBL模块和一个RES单 元； 其中， RES单 元包括多个残差块， 每 个残差块由两个CBL模块构成； CBL模块包括 一个卷积层、 一个BN层和一个激活函数层； 所述的Attention模块的处 理过程如下： 将特征图F∈RC*H*W输入Attention模块进行通道注意力机制重构， 通道注意力机制表示 为Mc∈RC*1*1， 将输入特征图与Mc相乘得到通道注意力机制重构后特征图F ′∈RC*H*W， 然后将 F′进行空间注意力机制 重构， 空间注意力机制表示为Ms∈R1*H*W， 将F′与Ms相乘得到最终的 通道与空 间注意力机制重构后特征图F ″∈RC*H*W， 其中C、 H、 W分别表示 特征图通道数、 特征图 高、 特征图宽； 其中， 通道注意力机制重构中， 对每个特征图分配不同权重， 权重Mc(F)由特征图自己本身计 算得到： 首先对 特征图F进 行分组的最大值池化， 同时计算特征图F的平均值与方差； 然后分 别经过1*1大小的卷积和Leak  Relu激活函数激活之后进行元素级相加， 再通过sigmod激 活； 空间注意力机制重构中， 对每张特征图不同位置分配不同权重， 让特征图关注目标位 置信息： 将空间注意力机制重构的输出结果F ′通过分组的最大池化、 计算平均值与方差得 到六个1*H*W的特征图， 分组最大值池化操作过程为 沿特征图通道方向每隔3个特征图分为 一组进行最大值池化， 最终得到4个池化后的特 征图； 然后采用Concat级联操作对六个1*H*W的特征图进行拼接， 通过5*5卷积变为1通道的 特征图， 再经过一个sigmoid激 活函数得到空间注意力机制的特征图Ms， 最后将输出结果与 F′相乘变回C *H*W大小； 所述Prediction包括四个检测头， 每个检测头均包括一个CABL单元和一个卷积层， Prediction分别对4个不同尺度的特征进行融合处理输出4个尺度下的检测结果， 最后采用 非极大值抑制对4个输出进行处 理得到最终的检测结果； 基于车门滑轮脱出轨道故障检测网络进行检测结果， 若检测网络检测到车门滑轮脱出 轨道故障或者检测到的车门滑轮个数小于车门滑轮数阈值， 判定为 发生车门滑轮脱出轨道 故障。 2.根据权利要求1所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 所述通道 注意力机制重构过程中对特 征图F进行分组的最大值池化的过程包括以下步骤： 沿特征图宽和高方向每隔一个像素取一个值分到一组里面， 最终将一个特征图分为 四 组， 每组分别进行最大值池化。 3.根据权利要求2所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 在对特征权　利　要　求　书 1/3 页 2 CN 115424230 A 2图F进行分组的最大值池化时， 如果分组的最大值池化操作过程中， 不能每隔一个像素取一 个值分到一组里面， 则在最大池化之前， 通过Pad ding操作进行补齐， 然后在分组最大池化。 4.根据权利要求3所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 在 Backbone网路中， 第一RES单元包括1个残差块， 第二RES单元包括2个残差块， 第三RES单元 包括8个残差块， 第四RES单 元包括8个残差块， 第五 RES单元包括4个残差块。 5.根据权利要求4所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 所述CABL 单元中的激活函数层的激活函数选用Leak  Relu。 6.根据权利要求5所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 所述CBL 模块中的激活函数层的激活函数选用Leak  Relu。 7.根据权利要求4所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 所述Neck 如下： 针对第二RES单元输出的特征图， 首先经过第一一CBL组合单元， 然后与第三RES单元对 应处理路径中的第一CBL上采样单元的输入进行第一一Concat模块处理， Concat表示特征 图级联操作， 再通过第一二CBL组合单元， 第一二CBL组合单元的输出分别作为一个检测 头 的输入和第三RES单 元处理路径中的第二 二Concat模块的一个输入； 所述的CBL组合单 元包括5个CBL模块； 针对第三RES单元输出的特征图， 分别输出给第二一CBL组合单元和第二一Concat模 块； 第二一CBL组合单元的输出作为第二二Concat模块的一个输入； 第二一Concat模块同时 将第四RES单元处理路径中的第二CBL上采样单元的输出作为输入， 第二一Concat模块输出 经过第二二CBL组合单元； 第二二CBL组合单元的输出分别作为第二二Concat模块和第一 CBL上采样单元的输入； 第二二Concat模块的输出再经过第二三CBL组合单元； 第二三CBL组 合单元的输出分别作为一个检测头的输入和第四RES单元 处理路径中的第三二Concat模块 的一个输入； 所述的CBL上采样单元包括一个CBL模块和一个上采样模块； 针对第四RES单元输出的 特征图， 分别输出给第三一CBL组合单元和第三一Concat模块； 第三一CBL组合单元的输出 作为第三二Concat模块的一个输入； 第三一Concat模块同时将第五RES单元处理路径中的 第三CBL上采样单元的输出作为输入， 第三一Concat模块输出经过第三二CBL组合单元； 第 三二CBL组合单元的输出分别作为第三二Concat模块和第二CBL上采样单元的输入； 第三二 Concat模块的输出再经过第三三CBL组合单元； 第三三CBL组合单元的输出分别作为一个检 测头的输入和第五 RES单元处理路径中的第四一Co ncat模块的一个输入； 针对第五RES单元输出的特征图， 先经过第四一CBL组合单元， 第四一CBL组合单元的输 出分别作为第三CBL上采样单元和第四一Concat模块的输入； 第四一Concat模块的输出再 经过第四二CBL组合单 元； 第四二CBL组合单 元的输出作为 一个检测头的输入。 8.根据权利要求1至7之一所述的一种车门滑轮脱出轨道故障检测方法， 其特征在于， 所述车门滑轮脱出轨道故障检测网络在训练过程中采用改进的EIOU损失函数， 具体如下： Lbox＝LIoU+Ldis+Lasp LIoU＝1‑IoUγ 权　利　要　求　书 2/3 页 3 CN 115424230 A 3