(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 202211254366.2 (22)申请日 2022.10.13 (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 王璐　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 20/00(2022.01) G06V 10/82(2022.01) G06V 10/25(2022.01) G06V 10/40(2022.01)G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 基于改进 FCT网络的车门锁闭装置配件丢失 检测方法及装置 (57)摘要 基于改进 FCT网络的车门锁闭装置配件丢失 检测方法及装置， 涉及铁 路车辆故障检测技术领 域。 本发明是为了解决利用人工对 车门锁闭装置 进行故障检测的方式， 错误率高、 且效率低的问 题。 本发明基于改进FCT网络的车门锁闭装置配 件丢失检测方法， 将被测车辆的被测图像输入至 训练好的FCT网络并获得检测结果， 所述FCT网络 的交叉变换交叉变形检测头部分利用多头注意 力机制对车门锁闭装置的特征进行提取， 且将被 测目标与背景进行对比， 使 得被测目标与背景得 到区分。 权利要求书1页 说明书6页 附图2页 CN 115546617 A 2022.12.30 CN 115546617 A 1.基于改进FCT网络的车门锁闭装置配件丢失检测方法， 将被测车辆的被测图像输入 至训练好的FCT网络并获得检测结果， 其特 征在于， 所述FCT网络的交叉变换检测头部分利用多头注意力 机制对车门锁闭装置的特征进行 提取， 且将被测目标与背景进行对比， 使得被测目标与背景 得到区分。 2.根据权利要求1所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 利用多头注意力机制对车门锁闭装置的特 征进行提取的具体过程 为： 将同一被测图像X分别传递给h个不同的自注意力 模块， 分别获得h个输出矩阵Z， 将h个 输出矩阵Z进行并行拼接之后传入线性层进行线性变换， 变换后的结果经过前馈神经网络 获得车门锁闭装置的特 征， 其中h为 正整数。 3.根据权利要求1所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 将被测目标与背景进行对比的具体方法为： 将被测目标作为待查询图片， 将被测图像作为支持图片， 且待查询图片和支持图片共 同包含属于类别c的数据， 支持图片还 包含属于类别n的数据， 判断待查询图片中的数据是否均属于类别c， 是则待查询图片中的数据均为被测目标 数据， 否则待查询图片中含有 背景数据。 4.根据权利要求1、 2或3所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征在于， 所述FCT网络的训练过程如下： 采集不同时段不同环境下 车辆侧部和底部的图像作为待识别图像， 根据车辆轴距的先验知识确定每张待识别图像中车门锁闭装置的起止位置， 并根据 该 起止位置对目标区域进行截取， 获得目标图像， 将待识别图像作 为输入， 将目标图像作 为输出， 对FCT网络进行训练， 获得训练好的FCT 网络。 5.根据权利要求4所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 在获得目标图像之后， 缩小待识别图像的尺寸， 以增加目标图像在 待识别图像中的占 比。 6.根据权利要求5所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 在获得待识别图像之后， 还要对待识别图像进行扩增。 7.根据权利要求6所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 所述对待识别图像进行扩增的具体方法包括： 在待识别图像上模拟故障， 获得故障图像， 分别对每一张故障图像进行平移、 缩放、 锐化中的一种或多种， 获得扩增后的故障图 像， 将故障图像和原待识别图像共同作为训练样本集。 8.根据权利要求7所述的基于改进FCT网络的车门锁闭装置配件丢失检测方法， 其特征 在于， 当获得的检测结果存在故障时， 进行报警。 9.一种计算机可读的存储设备， 所述存储设备存储有计算机程序， 其特征在于， 所述计 算机程序被执 行时实现如权利要求1至8任一所述方法。 10.基于改进FCT网络的车门锁闭装置配件丢失检测装置， 包括存储设备、 处理器以及 存储在所述存储设备中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器 执行所述计算机程序实现如权利要求1至8任一所述方法。权　利　要　求　书 1/1 页 2 CN 115546617 A 2基于改进FCT网 络的车门锁闭装 置配件丢失检测方 法及装置 技术领域 [0001]本发明属于 铁路车辆故障检测技 术领域， 尤其涉及车门锁闭装置配件的检测。 背景技术 [0002]车门锁闭装置是用于固定并闭合车门的铁路车辆专用设备。 在列车高速行驶过程 中， 如果车门锁闭装置发生故障， 导致车门忽然打开， 会使货物从车体脱出， 不仅会产生极 大的损失还会发运行危险。 因此， 为保证列车能够平稳、 安全地运行， 需对车门锁闭装置的 有效性、 完整性进行识别检测， 一 旦发现其上的配件出现丢失， 则需立即处 理。 [0003]目前， 对车门锁闭装置的识别检测均 采用人工检查图像的方式来判断车门锁闭装 置是否发生故障。 而检车人员 在工作过程中极易出现疲劳、 遗漏等情况， 进而造成漏检、 错 检的情况出现， 严重影响行车安全。 另外， 人工查验效率低下， 使得故障检查需要耗费大量 的时间。 发明内容 [0004]本发明是为了解决在现有利用人工对车门锁闭装置进行故障检测的方式， 错误率 高、 且效率低的问题， 现提供基于改进FCT网络的车门锁闭装置配件丢失检测方法及装置 。 [0005]基于改进FCT网络的车门锁闭装置配件丢失检测方法， 将被测车辆的被测图像输 入至训练好的FCT网络并获得检测结果， 所述FCT网络的交叉变换检测头部分利用多头注 意 力机制对车门锁闭装置的特征进行提取， 且将被测目标与背景进行对比， 使得被测目标与 背景得到区分。 [0006]进一步的， 上述利用多头注意力机制对车门锁闭装置的特征进行提取的具体过程 为： [0007]将同一被测图像X分别传递给h个不同的自注意力模块， 分别 获得h个输出矩阵Z， 将h个输出矩阵Z进 行并行拼接 之后传入线性层进 行线性变换， 变换后的结果经过前馈神经 网络获得 车门锁闭装置的特 征， 其中h为 正整数。 [0008]进一步的， 上述将被测目标与背景进行对比的具体方法为： [0009]将被测目标作为待查询图片， 将被测图像作为支持图片， 且待查询图片和支持图 片共同包含属于类别c的数据， 支持图片还包含属于类别n的数据， 判断待查询图片中的数 据是否均属于类别c， 是则待查询图片中的数据均为被测目标数据， 否则待查询图片中含有 背景数据。 [0010]进一步的， 上述FCT网络的训练过程如下： [0011]采集不同时段不同环境下车辆侧部和底部的图像作为待识别图像， 根据车辆轴距 的先验知识确定每张待识别图像中车门锁闭装置的起止位置， 并根据该起止位置对目标区 域进行截取， 获得目标图像， 将待识别图像作为输入， 将目标图像作为输出， 对FCT网络进 行 训练， 获得训练好的FCT网络 。 [0012]进一步的， 在获得目标图像之后， 缩小待识别图像的尺寸， 以增加目标图像在待识说　明　书 1/6 页 3 CN 115546617 A 3