一种滚动轴承甩油的检测装置及列车的制作方法

1.本技术实施例涉及图像检测技术领域，尤其涉及一种滚动轴承甩油的检测装置及一种列车。


背景技术：

2.列车的车身具有诸多部件，列车在轨运行期间，这些部件有可能出现偶发性的故障。其中，滚动轴承作为列车走行部中的重要部件，对列车的运行安全起到至关重要的作用，而滚动轴承出现甩油故障则会降低轴承内部的润滑效果、增加滚子和保持架之间的摩擦力，长时间如此会导致列车的保持架出现损伤，影响列车的性能和安全。尤其对于货运列车来说，长期处于高负荷的状态下运行，滚动轴承出现甩油的概率大大上升，安全隐患增大。
3.然而，目前对列车的滚动轴承的检测大多仍然是依赖肉眼进行检测，并确认滚动轴承是否存在故障，不仅检测效率低下，在列车运行过程中也可能无法及时发现故障，时效性不高，并且，列车的滚动轴承的数量较多，人工检测很容易因为视觉疲劳出现误检漏检，准确率不足。
4.申请内容
5.本技术实施例提供了一种滚动轴承甩油的检测装置及一种列车，旨在通过识别滚动轴承的甩油区域所处的位置和面积，高效精确地实现滚动轴承甩油的检测，能够替代低效率的人工检测方式。
6.在一方面，本技术实施例提供了一种滚动轴承甩油的检测装置，包括：
7.采集模块，用于采集待检测图像，所述待检测图像包括当前滚动轴承的图像；
8.识别模块，其输入端口与所述采集模块的输出端口建立第一信号连接，用于通过所述第一信号连接获取所述待检测图像，并对所述待检测图像进行分析识别，以获得所述当前滚动轴承的甩油区域所处的位置和面积。
9.可选地，所述识别模块内预先设置第一预设模型；
10.所述识别模块，还用于将所述待检测图像输入所述第一预设模型，使所述第一预设模型对所述待检测图像进行分析识别，以输出所述当前滚动轴承的甩油区域所处的位置和面积。
11.可选地，所述第一预设模型是通过向第一初始模型输入第一训练样本集，进行迭代训练和模型收敛得到的；
12.其中，所述第一初始模型是yolact++模型；
13.其中，所述第一训练样本集包括样本图像及对所述样本图像中的滚动轴承的甩油标记，所述甩油标记包括该滚动轴承的甩油区域所处的位置和面积。
14.可选地，所述分析模块，还用于对所述待检测图像进行分析识别，以获得所述当前滚动轴承所处的位置。
15.可选地，所述识别模块内预先设置第二预设模型；
16.所述识别模块，还用于将所述待检测图像输入所述第二预设模型，使所述第二预设模型对所述待检测图像进行分析识别，以输出所述当前滚动轴承所处的位置。
17.可选地，所述第二预设模型是通过向第二初始模型输入第二训练样本集，进行迭代训练和模型收敛得到的；
18.其中，所述第二初始模型是yolox-small模型；
19.其中，所述第二训练样本集包括样本图像及对所述样本图像中的滚动轴承的定位标记。
20.可选地，所述识别模块，还用于在所述当前滚动轴承的甩油区域所处的位置与预设示警位置发生重叠，和/或者，所述当前滚动轴承的甩油区域的图像面积大于预设示警图像面积的情况下，生成示警信号；
21.所述装置还包括：
22.示警模块，其输入端口与所述识别模块的输出端口建立第二信号连接，用于通过所述第二信号连接获取所述示警信号，并根据所述示警信号，以设定的形式发出相应的警告信息。
23.可选地，所述采集模块包括：摄像头；所述装置还包括：
24.固定模块，用于将所述摄像头固定在所述当前滚动轴承的对侧，使所述摄像头的取景框包含所述当前滚动轴承。
25.与现有技术相比，本技术实施例提供的滚动轴承甩油的检测装置具有以下优点：
26.(1)本技术实施例利用识别模块可以自动快速地对待检测图像进行检测，相比较于相关技术中通过人工检测滚动轴承甩油，提升了检测效率、时效性和准确性，有助于提高列车的行车安全。
27.(2)本技术实施例中的识别模块能够对所述待检测图像进行分析识别，获得当前滚动轴承的甩油区域所处的位置和面积，可以帮助技术人员快速准确地了解滚动轴承甩油的具体情况，以便针对性地提供解决方案，及时进行维护，进一步减少人工检修的复杂度，提高检修效率。
28.在又一方面，本技术实施例还提供了一种列车，包括如上述任一项实施例中的滚动轴承甩油的检测装置。
29.可选地，包括：多个滚动轴承；
30.所述滚动轴承甩油的检测装置包括：多个采集模块和一个识别模块；
31.其中，各所述采集模块与所述多个滚动轴承一一对应设置，以分别采集所述待检测图像。
32.本技术实施例提供的列车，包括上述实施例中的滚动轴承甩油的检测装置，也具有上述滚动轴承甩油的检测装置的全部优点，能够及时高效地对滚动轴承的甩油位置和面积进行检测，保障了列车的行车安全。
附图说明
33.附图仅为参考与说明之用，并非用以限制本技术的保护范围。下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
34.图1示出了本技术提供的一个实施例中的一种滚动轴承甩油的检测装置的结构框图；
35.图2示出了本技术提供的一个实施例中的又一种滚动轴承甩油的检测装置的结构框图；
36.图3示出了本技术提供的一个实施例中的一种甩油区域的分割示意图；
37.图4示出了本技术提供的一个实施例中的一种滚动轴承所处的位置的截取示意图；
38.图5示出了本技术提供的一个实施例中的一种得到第一预设模型的流程示意图；
39.图6示出了本技术提供的一个实施例中的一种得到第二预设模型的流程示意图；
40.图7示出了本技术提供的一个实施例中的一种滚动轴承甩油检测的流程示意图。
具体实施方式
41.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
42.为保证铁路货运的行车安全，技术人员提出在铁路站点配置货车运行故障动态图像检测系统(tfds)，该系统可以通过高速相机阵列获取列车车底或侧部的图像，并能通过模式识别的技术对获取到的图像进行部件故障的检测、识别，再将故障信息进行数字化处理后显示于检测中心的信息终端上，以便相关列检人员能够根据显示的故障信息对列车进行排查和维护。该系统目前只有极少数的部件实现了故障的自动判断功能，货车侧面的大量部件依然通过人工看图并确认是否存在故障，而且该系统所实现的自动判断故障的模块依然存在着故障检出率低、报警准确率低的特点。例如，对于货车滚动轴承的甩油故障，由于每节车厢的左右侧有8个轮轴，通常每列货车有几十节车厢，再加上铁路项目货运运输繁重、过车密集，单纯的依靠列检人员肉眼判断该故障是否存在很容易带来视觉疲劳，从而很容易出现误检漏检的问题。所以，目前急需一种能够针对货车滚动轴承甩油故障的自动检测方法来降低列检人员的工作强度，提高故障的检出效果，保障货车的运行安全。相关技术提出自动检测滚动轴承甩油故障，然后，只是对滚动轴承是否出现甩油进行判断，并不能定位出现甩油的具体位置，也不能判断出轴承甩油的面积，检修效率有待提升。
43.为此，本技术实施例提出一种滚动轴承甩油的检测装置及一种列车，旨在通过识别滚动轴承的甩油区域所处的位置和面积，高效精确地实现滚动轴承甩油的检测，提高检修效率。
44.下面结合附图对本技术实施例进行说明。
45.参照图1，图1示出了本技术提供的一个实施例中的一种滚动轴承甩油的检测装置的结构框图。如图1所示，本技术实施例提供了一种滚动轴承甩油的检测装置，可以应用于列车的滚动轴承，装置包括：
46.采集模块，用于采集待检测图像，所述待检测图像包括当前滚动轴承的图像。
47.其中，采集模块可以包括图像传感器。示例性地，图像传感器可以是ccd传感器。
48.具体地，当前滚动轴承是采集模块的图像传感器实时拍摄的滚动轴承。
49.识别模块，其输入端口与所述采集模块的输出端口建立第一信号连接，用于通过所述第一信号连接获取所述待检测图像，并对所述待检测图像进行分析识别，以获得所述当前滚动轴承的甩油区域所处的位置和面积。
50.具体地，当前滚动轴承的甩油区域所处的位置可以采用像素坐标范围的方式进行标记，当前滚动轴承的甩油区域的面积可以采用像素面积比例的方式进行标记。
51.其中，识别模块内可以预先设置人工神经网络模型，用于对待检测图像进行分析识别，获得当前滚动轴承的甩油区域所处的位置和面积。
52.具体地，人工神经网络模型可以是对原始模型输入样本数据集进行训练得到的。
53.通过上述实施例，本技术实施例利用识别模块可以自动快速地对待检测图像进行检测，相比较于相关技术中通过人工检测滚动轴承甩油，提升了检测效率、时效性和准确性。并且，本技术实施例中的识别模块能够对所述待检测图像进行分析识别，获得当前滚动轴承的甩油区域所处的位置和面积，可以帮助技术人员快速准确地了解滚动轴承甩油的具体情况，以便针对性地提供解决方案，及时进行维护。
54.参照图2，图2示出了本技术提供的一个实施例中的又一种滚动轴承甩油的检测装置的结构框图。如图2所示，由于本技术实施例能够获得滚动轴承的甩油区域的位置和面积，因此，还可以通过对甩油区域的位置和面积进行分析，判断是否需要向外界示警。为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述识别模块，还用于在所述当前滚动轴承的甩油区域所处的位置与预设示警位置发生重叠，和/或者，所述当前滚动轴承的甩油区域的图像面积大于预设示警图像面积的情况下，生成示警信号。
55.所述装置还包括：
56.示警模块，其输入端口与所述识别模块的输出端口建立第二信号连接，用于通过所述第二信号连接获取所述示警信号，并根据所述示警信号，以设定的形式发出相应的警告信息。
57.具体地，设定的形式包括屏幕显示、声音警告、震动警告等等。
58.进一步地，示警模块还可以用于向外界环境发出当前滚动轴承的甩油区域所处的位置和面积，以便检修人员快速了解滚动轴承的甩油的相关信息，提高检修效率。
59.本技术可以将待检测图像输入训练好的模型，使该模型输出当前滚动轴承的甩油区域所处的位置和面积。为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述识别模块内预先设置第一预设模型。
60.所述识别模块，还用于将所述待检测图像输入所述第一预设模型，使所述第一预设模型对所述待检测图像进行分析识别，以输出所述当前滚动轴承的甩油区域所处的位置和面积。
61.本技术考虑采用实例分割模型得到滚动轴承的甩油区域所处的位置和面积，为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述第一预设模型是通过向第一初始模型输入第一训练样本集，进行迭代训练和模型收敛得到的。
62.其中，所述第一初始模型是yolact++模型。
63.其中，所述第一训练样本集包括样本图像及对所述样本图像中的滚动轴承的甩油标记，所述甩油标记包括该滚动轴承的甩油区域所处的位置和面积。
64.参照图3，图3示出了本技术提供的一个实施例中的一种甩油区域的分割示意图。如图3所示，其中，左侧图像为滚动轴承所处区域的图像，中间图像为对甩油区域进行标注的图像，右侧图像为对甩油区域与其余区域之间进行分割的掩码图像。第一预设模型可以对滚动轴承所处区域的图像进行识别，得到甩油区域的位置，并对甩油区域进行标注，得到对甩油区域进行标注的图像，再基于该图像，对甩油区域与其余区域之间进行分割，得到对甩油区域与其余区域之间进行分割的图像。
65.通过上述实施例，可以通过分割出来的掩码像素得到甩油故障发生的具体位置，还可以通过统计分割掩码像素的数量来判断甩油区域在图像中所占比例，以此来判断故障的轻重程度。
66.参照图5，图5示出了本技术提供的一个实施例中的一种得到第一预设模型的流程示意图。如图5所示，本技术实施例还提供了一种滚动轴承甩油的检测装置，包括：第一训练模块，可以用于训练得到第一预设模型。
67.其中，第一预设模型，包括：
68.第一标记单元，用于整理数据集及标注。其中，数据集包括：样本图像，标注包括：对所述样本图像中的滚动轴承的甩油标记。
69.第一训练迭代单元，用于训练数据集，并根据训练结果，调节模型的参数，迭代yolact++模型。
70.第一收敛单元，用于收敛yolact++模型，并在收敛完成后保存模型文件或者将收敛完成的yolact++模型用于新的数据集及标注的训练。
71.在一些可选的实施例中，本技术还提供了一种示例，采用实例分割yolact++模型作为第一预设模型，并且，数据集可以包括在待检测图像定位截取的滚动轴承的区域图像，并将滚动轴承的区域图像作为原始数据集，利用图像增强的方式对原始图像数据集进行扩充，使数据集包括原始数据和扩充数据。并且，还可以利用coco数据集格式完成对整个数据集进行标注，随机从数据集中抽取3/5作为训练数据集，从剩余的数据图像中再随机抽取1/2作为验证数据集，最后剩余的图像作为测试数据集。通过momentum动量梯度下降的训练方法对yolact++模型进行训练，可以初始学习率设置为0.005，momentum设置为0.9，最大训练次数为800000。每训练1000次保存一次中间网络模型参数文件，通过测试数据集对所训练的网络模型参数文件进行测试，选出误差最小的网络模型的参数文件，作为第二预设模型。
72.在获得当前滚动轴承的甩油区域所处的位置和面积之前，还可以提前对滚动轴承进行定位，以缩小需要检测的图像范围。为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述分析模块，还用于对所述待检测图像进行分析识别，以获得所述当前滚动轴承所处的位置。
73.进一步的，分析模块还可以用于截取当前滚动轴承所处的位置的图像区域，以便进一步对该图像区域进行识别，并分割甩油区域的像素，由于提前进行了粗定位或者预先识别，可以在识别甩油区域的时候减少第一预设模型的扫描计算量。
74.参照图4，图4示出了本技术提供的一个实施例中的一种滚动轴承所处的位置的截取示意图。如图4所示，其中，左侧图像为待检测图像，第二预设模型可以对待检测图像进行
识别，得到右侧的黑框中的滚动轴承所处的位置，并截取滚动轴承所处的区域。其中，滚动轴承所处的区域可以是矩形区域。
75.具体地，由于滚动轴承可以被矩形框包围起来，因此，当前滚动轴承所处的位置可以用矩形边界坐标进行表示。
76.对滚动轴承进行定位，可以采用与检测甩油区域所处的位置和面积的不同的模型。为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述识别模块内预先设置第二预设模型；
77.所述识别模块，还用于将所述待检测图像输入所述第二预设模型，使所述第二预设模型对所述待检测图像进行分析识别，以获得所述当前滚动轴承所处的位置。
78.本技术考虑采用目标检测网络得到滚动轴承的位置，为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述第二预设模型是通过向第二初始模型输入第二训练样本集，进行迭代训练和模型收敛得到的。
79.其中，所述第二初始模型是yolox-small模型。
80.其中，所述第二训练样本集包括样本图像及对所述样本图像中的滚动轴承的定位标记。
81.参照图6，图6示出了本技术提供的一个实施例中的一种得到第二预设模型的流程示意图。如图6所示，本技术实施例还提供了一种滚动轴承甩油的检测装置，包括：第二训练模块，可以用于训练得到第二预设模型。
82.其中，第二预设模型，包括：
83.第二标记单元，用于整理数据集及标注。其中，数据集包括：样本图像，标注包括：对所述样本图像中的滚动轴承的位置标记。
84.第二训练迭代单元，用于训练数据集，并根据训练结果，调节模型的参数，迭代yolox-small模型。
85.第二收敛单元，用于收敛yolox-small模型，并在收敛完成后保存模型文件或者将收敛完成的yolox-small模型用于新的数据集及标注的训练。
86.在一些可选的实施例中，本技术还提供了一种示例，其中，yolox-small模型的训练可以通过相机采集大量的走行部图像数据，利用图像增强的方式对原始图像数据集进行扩充，因此，数据集可以包括原始图像数据和扩充图像数据。并且，还可以利用voc数据集格式完成对数据集的标注，随机从数据集中抽取3/5作为训练数据集，从剩余的数据图像中再随机抽取1/2作为验证数据集，最后剩余的图像作为测试数据集。通过随机梯度下降的训练方法(sgd)对yolox-small模型进行迭代训练，可以预设初始学习率为0.001，训练40000次，再调整学习率为0.0001，训练5000次，再将学习率调整为0.00001,训练5000次，每训练1000次保存一次中间网络模型参数文件，最后通过测试数据集对所训练的网络模型参数文件进行测试，选出误差最小的网络模型的参数文件，作为第二预设模型。
87.参照图7，图7示出了本技术提供的一个实施例中的一种滚动轴承甩油检测的流程示意图。如图7所示，本技术实施例提供了一种可选的示例，其中，
88.采集模块中的相机可以用于采集待检测图像，并将待检测图像输入识别模块。
89.识别模块中的yolox-small模型，在待检测图像中存在滚动轴承的情况下，可以用于获得当前滚动轴承所处的位置，还可以对滚动轴承所处的区域的图像进行截取。
90.识别模块中的yolact++模型，可以对滚动轴承所处的区域的图像进行识别，得到滚动轴承的甩油区域所处的位置，并将滚动轴承的甩油区域与其余区域分割开，计算甩油区域的像素占滚动轴承所处的区域的图像的比例，用于表示甩油区域的面积大小。
91.识别模块，可以在在所述当前滚动轴承的甩油区域所处的位置与预设示警位置发生重叠，和/或者，所述当前滚动轴承的甩油区域的图像面积大于预设示警图像面积的情况下，确定当前滚动轴承存在甩油故障，生成示警信号。否则，持续对采集模块实时传输的待检测图像进行检测。
92.本技术需要由采集模块对滚动轴承进行拍摄，可以考虑在列车上设置摄像头，以便在列车运行过程中实时检测。为此，在一种可选的实施方式中，本技术还提供了一种滚动轴承甩油的检测装置，其中，所述采集模块包括：摄像头。
93.其中，摄像头可以是高速相机。
94.所述装置还包括：
95.固定模块，用于将所述摄像头固定在所述当前滚动轴承的对侧，使所述摄像头的取景框包含所述当前滚动轴承。
96.通过上述实施例，本技术提出的滚动轴承甩油的检测装置，可以应用于列车，由于兼具甩油位置具体定位和统计甩油面积的功能，在列车运行过程中可以实现较高的故障检出率和准确率，同时算法稳定，鲁棒性较高，能够适应各种外部环境的变化。随着图像数据量的增多，故障样本的逐渐增多，滚动轴承甩油的检测装置的检出效果能够有效的进行提升，检测装置使用滚动轴承的局部图像进行实例分割，能够减少网络模型的计算量、加快运行速度。
97.基于同一发明构思，本技术实施例还提供了一种滚动轴承甩油的检测方法，包括：
98.采集待检测图像，所述待检测图像包括当前滚动轴承的图像。
99.获取所述待检测图像，并对所述待检测图像进行分析识别，以获得所述当前滚动轴承的甩油区域所处的位置和面积。
100.基于同一发明构思，本技术实施例还提供了一种列车，包括如上述任一项实施例中的滚动轴承甩油的检测装置。
101.通过上述实施例中的滚动轴承甩油的检测装置在列车上的应用，能够大大减轻人工的工作强度，缩短滚动轴承的检修作业时间、提高检修效率，并减少了漏检的机率，从而更能保证列车的安全运行。
102.考虑到货运列车的运载量大，滚动轴承出现甩油的故障概率相对更大，在一些可选的实施例中，列车可以是货运列车。
103.在又一些可选的实施例中，列车还可以是客运列车。
104.本技术实施例考虑对列车的重要轴承一一进行检测，为此，在一种可选的实施方式中，本技术还提供了一种列车，还包括：多个滚动轴承。
105.所述滚动轴承甩油的检测装置包括：多个采集模块和一个识别模块。
106.其中，各所述采集模块与所述多个滚动轴承一一对应设置，以分别采集所述待检测图像。
107.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
108.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
109.在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
110.在本技术中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
111.在本技术中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
112.最后，还需要说明的是，本文中应用了具体个例对本技术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技术的技术方案及其核心思想。尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。

技术特征：
1.一种滚动轴承甩油的检测装置，其特征在于，包括：采集模块，用于采集待检测图像，所述待检测图像包括当前滚动轴承的图像；识别模块，其输入端口与所述采集模块的输出端口建立第一信号连接，用于通过所述第一信号连接获取所述待检测图像，并对所述待检测图像进行分析识别，以获得所述当前滚动轴承的甩油区域所处的位置和面积。2.根据权利要求1所述的滚动轴承甩油的检测装置，其特征在于，所述识别模块内预先设置第一预设模型；所述识别模块，还用于将所述待检测图像输入所述第一预设模型，使所述第一预设模型对所述待检测图像进行分析识别，以输出所述当前滚动轴承的甩油区域所处的位置和面积。3.根据权利要求2所述的滚动轴承甩油的检测装置，其特征在于，所述第一预设模型是通过向第一初始模型输入第一训练样本集，进行迭代训练和模型收敛得到的；其中，所述第一初始模型是yolact++模型；其中，所述第一训练样本集包括样本图像及对所述样本图像中的滚动轴承的甩油标记，所述甩油标记包括该滚动轴承的甩油区域所处的位置和面积。4.根据权利要求1所述的滚动轴承甩油的检测装置，其特征在于，所述分析模块，还用于对所述待检测图像进行分析识别，以获得所述当前滚动轴承所处的位置。5.根据权利要求4所述的滚动轴承甩油的检测装置，其特征在于，所述识别模块内预先设置第二预设模型；所述识别模块，还用于将所述待检测图像输入所述第二预设模型，使所述第二预设模型对所述待检测图像进行分析识别，以输出所述当前滚动轴承所处的位置。6.根据权利要求5所述的滚动轴承甩油的检测装置，其特征在于，所述第二预设模型是通过向第二初始模型输入第二训练样本集，进行迭代训练和模型收敛得到的；其中，所述第二初始模型是yolox-small模型；其中，所述第二训练样本集包括样本图像及对所述样本图像中的滚动轴承的定位标记。7.根据权利要求1所述的滚动轴承甩油的检测装置，其特征在于，所述识别模块，还用于在所述当前滚动轴承的甩油区域所处的位置与预设示警位置发生重叠，和/或者，所述当前滚动轴承的甩油区域的图像面积大于预设示警图像面积的情况下，生成示警信号；所述装置还包括：示警模块，其输入端口与所述识别模块的输出端口建立第二信号连接，用于通过所述第二信号连接获取所述示警信号，并根据所述示警信号，以设定的形式发出相应的警告信息。8.根据权利要求1所述的滚动轴承甩油的检测装置，其特征在于，所述采集模块包括：摄像头；所述装置还包括：固定模块，用于将所述摄像头固定在所述当前滚动轴承的对侧，使所述摄像头的取景框包含所述当前滚动轴承。9.一种列车，其特征在于，包括：如权利要求1-8任一项所述的滚动轴承甩油的检测装
置。10.根据权利要求9所述的列车，其特征在于，还包括：多个滚动轴承；所述滚动轴承甩油的检测装置包括：多个采集模块和一个识别模块；其中，各所述采集模块与所述多个滚动轴承一一对应设置，以分别采集所述待检测图像。

技术总结
本申请实施例提供了一种滚动轴承甩油的检测装置及列车，装置包括：采集模块，用于采集待检测图像，所述待检测图像包括当前滚动轴承的图像；识别模块，其输入端口与所述采集模块的输出端口建立第一信号连接，用于通过所述第一信号连接获取所述待检测图像，并对所述待检测图像进行分析识别，以获得所述当前滚动轴承的甩油区域所处的位置和面积。本申请实施例通过识别滚动轴承的甩油区域所处的位置和面积，高效精确地实现滚动轴承甩油的检测，能够替代低效率的人工检测方式。低效率的人工检测方式。低效率的人工检测方式。


技术研发人员：张欢 朱善玮 王洪昆 边志宏 王蒙 丁颖 王萌 焦杨 徐建喜 马瑞峰
受保护的技术使用者：国能铁路装备有限责任公司
技术研发日：2023.03.28
技术公布日：2023/8/14