基于深度学习的地铁列车闸瓦厚度状态异常识别方法

本发明提供了一种基于深度学习的地铁列车闸瓦厚度状态异常识别方法，利用RGBD相机采集闸瓦图像数据，并结合语义分割技术，精准识别闸瓦最薄处的厚度，判断其是否符合标准范围。首先为了提升采集图像的质量，对闸瓦采集多帧RGBD信息并融合处理。将处理后的RGBD图像送入闸瓦语义分割网络，得到闸瓦的分割掩模。随后利用霍夫变换找到车轮的圆心，基于车轮圆心向外辐射射线，射线在分割掩模内的线段长度就是该处闸瓦的厚度。该长度集合的最小值即为闸瓦最薄处厚度的像素距离，通过线段两头的像素坐标和深度信息，便可计算出闸瓦最薄处厚度的实际物理厚度。本发明能够按照设定要求自动执行巡检任务，提高检测的稳定性和可靠性。