一种环冷机台车车轮检测方法、装置、设备及介质与流程

[0001]
本申请涉及环冷机应用技术领域，特别涉及一种环冷机台车车轮检测方法、装置、设备及介质。


背景技术：

[0002]
烧结环冷机作用是冷却从烧结机卸下的烧结热矿，主要结构包括：台车、回转框架、传动装置、轨道、风箱与鼓风机等。环冷机的台车是用铰链连接在回转框架上的，台车接收到给矿漏斗卸下的热矿后，随着回转框架沿水平圆形轨道做圆周运动，卸矿区水平圆形轨道变为向下弯曲的曲轨，沿着曲轨台车完成卸料操作。环冷台车根据烧结量不停旋转，设备体积较大、车轮负载沉重，车轮的运行环境恶劣，导致车轮容易损坏、松动甚至脱落。且环冷机台车为圆周运动且回转半径大，在运行过程中容易发生台车跑偏现象，导致台车轮缘与轨道挤压摩擦，加剧车轮的损坏。台车车轮脱落后，容易造成台车倾斜、侧翻等事故，危机人员安全。


技术实现要素：

[0003]
有鉴于此，本申请的目的在于提供一种环冷机台车车轮检测方法、装置、设备及介质，能够及时的检测出环冷机台车是否发生掉轮故障，从而避免安全事故的发生。其具体方案如下：
[0004]
第一方面，本申请公开了一种环冷机台车车轮检测方法，包括，
[0005]
获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像；
[0006]
当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息；
[0007]
获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值；
[0008]
判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间；
[0009]
若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0010]
可选的，所述将所述待检测视频图像输入至预先获取的训练后分类器，包括，
[0011]
利用滑动窗口遍历所述待检测视频图像，依次将所述滑动窗口内的所述待检测视
频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测。
[0012]
可选的，所述将所述待检测视频图像输入至预先获取的训练后分类器，包括，
[0013]
从所述待检测视频图像中截取出目标待检测区域；所述目标待检测区域大于所述环冷机台车车轮的车轮面积；
[0014]
利用滑动窗口遍历所述目标待检测区域，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测。
[0015]
可选的，所述环冷机台车车轮检测方法，还包括：
[0016]
利用相邻的所述环冷机台车的车轮间距确定所述预设时间阈值。
[0017]
可选的，所述利用相邻的所述环冷机台车的车轮间距确定所述预设时间阈值，包括：
[0018]
若所述将所述待检测视频图像输入至预先获取的训练后分类器，包括，
[0019]
利用滑动窗口遍历所述待检测视频图像，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测，
[0020]
则确定所述预设时间阈值为t
阈值1
∈(0，δt
min
]；
[0021]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机台车的运行平均速度。
[0022]
可选的，所述利用相邻的所述环冷机台车的车轮间距确定所述预设时间阈值，包括：
[0023]
若所述将所述待检测视频图像输入至预先获取的训练后分类器，包括，从所述待检测视频图像中截取出目标待检测区域；所述目标待检测区域大于所述环冷机台车车轮的车轮面积，利用滑动窗口遍历所述目标待检测区域，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测，
[0024]
则确定所述预设时间阈值为t
阈值2
∈(δt
min
,δt
max
)；
[0025]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机台车的运行平均速度。
[0026]
可选的，所述环冷机台车车轮检测方法，还包括：
[0027]
利用预设特征提取算法对所述目标训练样本进行特征提取；
[0028]
利用特征提取后的所述目标训练样本对预设分类器进行训练，得到训练后分类器。
[0029]
第二方面，本申请公开了一种环冷机台车车轮检测装置，包括，
[0030]
目标数据获取模块；用于获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像；
[0031]
视频图像检测模块，用于当获取到任一帧所述待检测视频图像，则将所述待检测
视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息；
[0032]
检测结果获取模块，用于获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值；
[0033]
第一条件判断模块，用于判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮；
[0034]
目标时间确定模块，用于在所述第一条件判断模块判定当前待检测视频图像不包含所述环冷机台车车轮的情况下，将当前待检测视频图像对应的所述时间信息确定为目标时间；
[0035]
第二条件判断模块，用于若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0036]
第三方面，本申请公开了一种环冷机台车车轮检测设备，包括处理器和存储器；其中，
[0037]
所述存储器，用于保存计算机程序；
[0038]
所述处理器，用于执行所述计算机程序，以实现前述的环冷机台车车轮检测方法。
[0039]
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述的环冷机台车车轮检测方法。
[0040]
可见，本申请获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像，并且当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息，然后获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值，之后判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间，若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。这样，利用针对环冷机台车车轮实时采集的视频图像进行检测，能够及时的检测出环冷机台车是否发生掉轮故障，从而避免安全事故的发生。
附图说明
[0041]
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0042]
图1为本申请公开的一种环冷机台车车轮检测方法流程图；
[0043]
图2为本申请公开的一种环冷机台车结构示意图；
[0044]
图3为本申请公开的一种相机安装位置示意图；
[0045]
图4为本申请公开的一种具体的环冷机台车车轮检测方法流程图；
[0046]
图5为本申请公开的一种具体的环冷机台车车轮检测方法流程图；
[0047]
图6为本申请公开的一种的滑动窗口检索示意图；
[0048]
图7为本申请公开的一种训练后分类器分类结果示意图；
[0049]
图8为本申请公开的一种具体的环冷机台车车轮检测方法流程图；
[0050]
图9为本申请公开的一种目标待检测区域检索示意图；
[0051]
图10为本申请公开的一种环冷机台车车轮检测装置结构示意图；
[0052]
图11为本申请公开的一种环冷机台车车轮检测系统结构示意图；
[0053]
图12为本申请公开的一种环冷机台车车轮检测设备结构示意图；
[0054]
图13为本申请公开的一种服务器结构图。
具体实施方式
[0055]
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0056]
环冷机台车根据烧结量不停旋转，设备体积较大、车轮负载沉重，车轮的运行环境恶劣，导致车轮容易损坏、松动甚至脱落。且环冷机台车为圆周运动且回转半径大，在运行过程中容易发生台车跑偏现象，导致台车轮缘与轨道挤压摩擦，加剧车轮的损坏。台车车轮脱落后，容易造成台车倾斜、侧翻等事故，危机人员安全。为此，本申请提供了一种环冷机台车车轮检测方案，能够及时的检测出环冷机台车是否发生掉轮故障，从而避免安全事故的发生。
[0057]
参见图1所示，本申请实施例公开了一种环冷机台车车轮检测方法，包括：
[0058]
步骤s11：获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像。
[0059]
参见图2所示，图2为本申请公开的一种环冷机台车结构示意图。其中，1为摩擦板，2为车轮，3为外侧轨道，4为回转架，5为台车，6为侧轨。从图2可以看出，当台车发生跑偏时，车轮轮缘会与轨道发生挤压，加剧车轮损坏、松动，甚至发生车轮脱落。
[0060]
参见图3所示，图3为本申请公开的一种相机安装位置示意图，其中，1为环冷机台车，2为环冷机轨道，3为相机。通过相机摄像头对环冷机台车车轮进行视频图像采集，相机安装位置为台车进入曲轨前，由此预留发生故障能及时停机处理的空间。图像采集装置可装1套或多套，也即，可以安装多个相机，安装多套时，可以对每个图像采集装置进行编号，便于对车轮脱落位置进行粗定位，比如，通过1号摄像头获取到的图像判定车轮脱落，则车轮脱落位置在1号摄像头附近。图3中为内外轨道两侧分别只安装一个摄像机时，摄像机的
安装位置示意图，摄像机安装位置不限于此位置，单侧摄像机安装数量不限于一台。
[0061]
步骤s12：当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息。
[0062]
在具体的实施方式中，本申请实施例可以利用预设特征提取算法对所述目标训练样本进行特征提取，然后利用特征提取后的所述目标训练样本对预设分类器进行训练，得到训练后分类器。具体的，本实施例可以先搭建环冷机车轮图像训练库，从对环冷机台车车轮采集的视频图像中截取环冷机台车车轮区域图像得到第一训练样本，并采集不包含环冷机台车车轮的图像作为第二训练样本，得到目标训练样本，然后可以利用预设特征提取算法对所述目标训练样本进行特征提取，然后利用特征提取后的目标训练样本生成环冷机车轮图像训练库，最后通过环冷机车轮图像训练库中的训练样本训练分类器。采用的分类器训练方法可以包括决策树分类法、朴素贝叶斯分类算法、基于支持向量机的分类算法、神经网络法、k-近邻法等。
[0063]
需要指出的是，由于环冷机全天候不间断运行，因此光照会发生变化，通过对目标训练样本进行预处理，能有效的降低图像中局部的阴影和光照变化带来的干扰。也即，本实施例可以先对图像进行特征提取，从而增加对光照变化的鲁棒性。其中，预设特征提取算法可以为hog(即histogram of oriented gradient,方向梯度直方图)、sift(即scale-invariant feature transform，尺度不变特征转换)、surf(即speeded up robust features，加速稳健特征)、gabor特征提取等。
[0064]
并且，本实施例中，当获取到任一帧所述待检测视频图像，可以先利用预设特征提取算法对待检测视频图像进行特征提取，然后则特征提取后的所述待检测视频图像输入至预先获取的训练后分类器。
[0065]
步骤s13：获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值。
[0066]
步骤s14：判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间。
[0067]
步骤s15：若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0068]
并且，在判定环冷机台车出现掉轮故障之后，本实施例可以生成相应的报警信息，并将所述报警信息发送至目标终端，以便相关人员及时了解实际故障情况，及时处理，具体可在目标终端弹出对应的视频监控，以便操作人员更直观的看到车轮是否脱落，从而减少误报警时增加的人工检查次数。可以理解的是，基于视频流的台车掉轮检测，检测过程更直观，发生掉轮报警时，操作人员能直接了解实际故障情况，不需要去现场查看，或另外调用现场监控视频录像。
[0069]
其中，本实施例可以利用相邻的所述环冷机台车的车轮间距确定所述预设时间阈
值。
[0070]
可见，本申请实施例获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像，并且当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息，然后获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值，之后判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间，若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。这样，利用针对环冷机台车车轮实时采集的视频图像进行检测，能够及时的检测出环冷机台车是否发生掉轮故障，从而避免安全事故的发生。
[0071]
例如，参见图4所示，图4为本申请实施例公开的一种具体的环冷机台车车轮检测方法，可以获取针对环冷机台车车轮采集的历史视频数据，然后手动标记提取车轮区域和非车轮区域，得到目标训练样本。对目标训练样本进行特征提取，之后构建训练样本库，进行分类器训练，得到训练后分类器。利用训练后分类器对视频图像进行检测。并可实现计时器，用于计算待检测视频图像中无车轮的持续时间。
[0072]
参见图5所示，本申请公开了一种具体的环冷机台车车轮检测方法，包括，
[0073]
步骤s21：获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像；
[0074]
步骤s22：当获取到任一帧所述待检测视频图像，则利用滑动窗口遍历所述待检测视频图像，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测。
[0075]
其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息。
[0076]
在具体的实施方式中，利用滑动窗口进行遍历检索，对每一帧待检测视频图像进行搜索。设置滑动窗口从左到右，从上到下移动进行检索。滑动窗口定义为rect(x,y,width,height)，其中，x,y为滑动窗口左上角点在待检测视频图像中的坐标位置，width为滑动窗口的宽，height滑动窗口的高。滑动窗口滑动间隔为step，滑动窗口移动计算方式为：
[0077]
x
i
+step,if(x
i-1
+step+rect.width)＜frame.width
[0078]
y
i
+step,if(y
i-1
+step+rect.height)＜frame.height
[0079]
其中，frame为从视频流中获取的当前帧待检测视频图像。step的选择影响检测的速度，step越小滑动窗口数量越多，搜索检测精度越高，step越大滑动窗口的数量越少，搜
索检测精度越低。i为滑动窗口的序号，如第一个滑动窗口，其x,y＝0,0，那么滑动窗口下一个左上角点坐标为x+step,y。首先从左到右，然后到达最右侧后，y轴方向移动一个step(即向下移动),x又回到坐标0的位置，依次一行一行滑动。
[0080]
参见图6所示，图6为本申请公开的一种的滑动窗口检索示意图。
[0081]
在具体的实施方式中，本实施例摄像头的视场覆盖范围内只有一个车轮。
[0082]
步骤s23：获取所述训练后分类器输出的滑动窗口内的所述待检测视频图像包含环冷机台车车轮的预测概率值。
[0083]
例如，参见图7所示，图7为本申请公开的一种训练后分类器分类结果示意图。将滑动窗口中的待检测视频图像输入训练后分类器进行检测，可以得到每个窗口对应的待检测视频图像中包含环冷机台车车轮的预测概率值，概率值越大，越有可能为车轮区域。
[0084]
步骤s24：判断当前待检测图像中每个窗口对应的预测概率值是否小于预设概率阈值，若每个窗口对应的预测概率值均小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间。也即，将当前帧待检测视频图像对应的时间确定为目标时间。
[0085]
若当前待检测图像中任一窗口对应的预测概率值大于等于所述预设概率阈值，则判定当前待检测视频图像包含所述环冷机台车车轮，为了减少搜索时间，可以设定当滑动窗口对应的预测概率值大于等于预设概率阈值时，则对当前待检测视频图像停止检索。当搜索完整帧图像后，识别得到的概率值仍小于设定阈值时，判定该帧图像不包含车轮。
[0086]
步骤s25：若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0087]
在具体的实施方式中，本实施例采用滑动窗口遍历整帧待检测图像的方式进行检测，可以确定所述预设时间阈值为t
阈值1
∈(0，δt
min
]；
[0088]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机台车的运行平均速度。
[0089]
可以理解的是，相邻两车轮经过轨道固定位置的时间间隔为δt
min
，也即，出现视频图像中固定位置的时间间隔为δt
min
，一车轮经过相机视场，可以在摄像头视场内被采集到多帧视频图像中，也即当前车轮经过摄像头，会被采集在多帧视频图像中，且每帧图像中车轮的位置不同，当一车轮离开摄像头视场，相邻的下一车轮进入摄像头的时间与的摄像头视场范围有关，由此，可以根据摄像头视场范围确定所述预设时间阈值t
阈值1
∈(0，δt
min
]。
[0090]
参见图8所示，本申请实施例公开了一种具体的环冷机台车车轮检测方法，包括：
[0091]
步骤s31:获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像。
[0092]
步骤s32:当获取到任一帧所述待检测视频图像，则从所述待检测视频图像中截取出目标待检测区域；所述目标待检测区域大于所述环冷机台车车轮的车轮面积；利用滑动窗口遍历所述目标待检测区域，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测；
[0093]
其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息。
[0094]
可以理解的是，在相机视场内设定一个目标待检测区域，只目标待检测区域内对车轮进行检索，可以降低搜索范围，从而提升检测速度。
[0095]
例如，参见图9所示，图9为本申请实施例公开的一种目标待检测区域检索示意图。
[0096]
步骤s33:获取所述训练后分类器输出的滑动窗口内的所述目标待检测区域包含环冷机台车车轮的预测概率值。
[0097]
步骤s34:判断当前目标待检测区域中每个窗口对应的所述预测概率值是否小于预设概率阈值，若每个窗口对应的预测概率值均小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间。
[0098]
也即，当前目标待检测区域中每个窗口对应的所述预测概率值均小于预设概率阈值，则当前目标待检测区域中不包含所述环冷机台车车轮，判定当前待检测视频图像视为不包含所述环冷机台车车轮。
[0099]
步骤s35:若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0100]
在具体的实施方式中，本实施例通过目标待检测区域进行车轮检测，目标待检测区域大于车轮区域，但比车轮区域大的范围较小，所以可以视为和车轮面积相等，由此确定所述预设时间阈值为t
阈值2
∈(δt
min
,δt
max
)；
[0101]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机台车的运行平均速度。
[0102]
可以理解的是，检测区域变小后，检测到一个车轮后，下一个车轮进入目标区的时间为s/v，那么判定车轮脱落的时间阈值是要大于s/v的，同时显然下一个车轮进入目标区域的时间又会小于2s/v，因此阈值的取值在s/v和2s/v的区间内选择一个合适的值即可。
[0103]
参见图10所示，本申请公开了一种环冷机台车车轮检测装置，包括，
[0104]
目标数据获取模块11；用于获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像；
[0105]
视频图像检测模块12，用于当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息；
[0106]
检测结果获取模块13，用于获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值；
[0107]
第一条件判断模块14，用于判断所述预测概率值是否小于预设概率阈值，若所述
预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮；
[0108]
目标时间确定模块15，用于在所述第一条件判断模块判定当前待检测视频图像不包含所述环冷机台车车轮的情况下，将当前待检测视频图像对应的所述时间信息确定为目标时间；
[0109]
第二条件判断模块16，用于若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。
[0110]
可见，本申请实施例获取待检测视频图像以及每帧所述待检测视频图像对应的时间信息；所述待检测视频图像为摄像头针对环冷机台车车轮实时采集的图像，并且当获取到任一帧所述待检测视频图像，则将所述待检测视频图像输入至预先获取的训练后分类器；其中，所述训练后分类器为利用目标训练样本对预设分类器进行训练后得到的分类器；所述目标训练样本包括第一训练样本和第二训练样本；所述第一训练样本包括包含环冷机台车车轮的图像以及对应的标签信息；所述第二训练样本为不包含环冷机台车车轮的图像以及对应的标签信息，然后获取所述训练后分类器输出的当前待检测视频图像包含环冷机台车车轮的预测概率值，之后判断所述预测概率值是否小于预设概率阈值，若所述预测概率值小于所述预设概率阈值，则判定当前待检测视频图像不包含所述环冷机台车车轮，并将当前待检测视频图像对应的所述时间信息确定为目标时间，若获取到的所述待检测视频图像对应的所述预测概率值小于所述预设概率阈值的持续时间大于预设时间阈值，则判定环冷机台车出现掉轮故障；其中，所述持续时间以所述目标时间为初始时间。这样，利用针对环冷机台车车轮实时采集的视频图像进行检测，能够及时的检测出环冷机台车是否发生掉轮故障，从而避免安全事故的发生。
[0111]
所述环冷机台车车轮检测装置还包括预设时间阈值确定模块，用于利用相邻的所述环冷机台车的车轮间距确定所述预设时间阈值。
[0112]
在一种具体的实施方式中，所述视频图像检测模块12，具体用于利用滑动窗口遍历所述待检测视频图像，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测。相应的，所述预设时间阈值确定模块具体用于确定所述预设时间阈值为t
阈值1
∈(0，δt
min
]；
[0113]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机台车的运行平均速度。
[0114]
在另一种具体的实施方式中，所述视频图像检测模块12，具体用于从所述待检测视频图像中截取出目标待检测区域；所述目标待检测区域大于所述环冷机台车车轮的车轮面积；利用滑动窗口遍历所述目标待检测区域，依次将所述滑动窗口内的所述待检测视频图像输入至预先获取的训练后分类器，以便所述训练后分类器完成针对所述待检测视频图像的图像检测。相应的，所述预设时间阈值确定模块具体用于，
[0115]
确定所述预设时间阈值为t
阈值2
∈(δt
min
,δt
max
)；
[0116]
其中，s为环冷机相邻两台车之间的车轮间距，v为环冷机
台车的运行平均速度。
[0117]
所述环冷机台车车轮检测装置还包括分类器训练模块，用于利用预设特征提取算法对所述目标训练样本进行特征提取；利用特征提取后的所述目标训练样本对预设分类器进行训练，得到训练后分类器。
[0118]
例如，参见图11所示，图11为本申请实施例公开的一种环冷机台车车轮检测系统结构示意图，该系统包括摄像机、相机光源、主机、扩音器、终端。其中图11中主机作为上述环冷机台车车轮检测装置，用于图像处理，终端用于显示报警信息和对应的图像，扩音器用于发出警报提示音。
[0119]
参见图12所示，本申请实施例公开了一种环冷机台车车轮检测设备包括处理器21和存储器22；其中，所述存储器22，用于保存计算机程序；所述处理器21，用于执行所述计算机程序，以实现前述实施例公开的环冷机台车车轮检测方法。
[0120]
关于上述环冷机台车车轮检测方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0121]
参见图13所示，本申请公开了一种服务器20，包括前述实施例中公开的处理器21和存储器22。关于上述处理器21具体可以执行的步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0122]
进一步的，本实施例中的服务器20，还可以具体包括电源23、通信接口24、输入输出接口25和通信总线26；其中，电源23用于为服务器20上的各硬件设备提供工作电压；通信接口24能够为服务器20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
[0123]
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述实施例公开的环冷机台车车轮检测方法。
[0124]
关于上述环冷机台车车轮检测方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0125]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0126]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0127]
以上对本申请所提供的一种环冷机台车车轮检测方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容
不应理解为对本申请的限制。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除