科创中国
列车制动系统故障图像的端到端实时检测方法
发布时间: 2025-06-12
基本信息
合作方式：
技术许可
成果类型：
发明专利
行业领域：
交通运输、仓储和邮政业
成果介绍
本专利提出了一种基于深度学习的列车制动系统故障实时检测技术，突破传统人工检测效率低、依赖主观经验的局限。通过轻量化骨干网络提取多尺度特征，结合创新的故障特征金字塔（FFP）结构（含FEA注意力模块、FBM瓶颈模块、DFB空洞卷积模块），实现端到端的故障定位与分类。技术流程：数据采集：实时拍摄列车制动系统图像，构建故障/非故障标注数据库。特征融合：FFP结构融合多层次特征，增强小目标检测能力，提升语义信息利用率。高效检测：采用FCOS检测头，结合L1 loss、GloU loss和Focal loss联合训练，无需NMS后处理，直接输出检测结果。应用效果：高精度：故障识别准确率达98.4%，支持多种故障类型同步检测。实时性：单帧检测仅需0.012秒（83帧/秒），满足列车高速运行场景需求。轻量化：模型体积仅95.9MB，内存占用1011MB，适配户外低算力环境。
成果亮点
创新算法设计：故障特征金字塔（FFP）：通过FEA模块动态加权关键通道，FBM模块减少参数量，DFB模块扩大感受野，显著提升小目标（如制动阀件）检测精度。端到端架构：摒弃传统NMS后处理，实现“输入-输出”一站式检测，效率提升30%。工程突破：轻量化部署：基于MobileNetV3-Small骨干网络，模型体积压缩至行业领先水平。多故障兼容：可同时检测制动系统断裂、缺损、错位等复杂故障，通用性强。行业价值：安全赋能：实时预警制动系统故障，避免重大铁路事故。降本增效：替代人工巡检，降低列检综合能耗60%以上。技术壁垒：专利覆盖FFP结构、训练方法全流程，获IEEE期刊收录验证（《IEEE Transactions on Instrumentation and Measurement》）。
团队介绍
湖北工业大学智能检测与机器视觉团队聚焦轨道交通智能化，核心成员包括：孙国栋（带头人）：教授，国家级人才计划入选者，主持国家重点研发计划课题3项，发表SCI论文50+篇。潘慧琳、熊晨韵：算法专家，主导FFP结构设计，获湖北省科技进步二等奖。张杨、贾俊杰：工程化骨干，完成与武汉铁路局、中车集团的10+项技术转化。团队优势：产学研融合：与泛洲中越合金等企业共建数字化车间，技术落地货运列车检测系统。荣誉支撑：近三年获授权发明专利28项，相关成果发表于《中国机械工程》等顶刊。
成果资料
下载app