基于图像识别的铁路机车转向架螺栓紧固状态检测

为通过可视化图像分析手段辅助机务检修作业人员进行铁路机车转向架螺栓紧固状态检测,提出一种基于图像识别的铁路机车转向架螺栓紧固状态检测方法。首先,使用YOLOv7算法快速定位图像中的螺栓,利用深度学习算法的强鲁棒性和泛化能力,在机务检修各场景下准确获得包含螺栓及其定位漆的螺栓目标检测结果图像。其次,将螺栓目标检测结果图像转换至YCbCr空间,结合螺栓定位漆的色彩特征,提取Cr分量图像并应用自适应分割算法,有效滤除背景像素后得到仅包含螺栓定位漆的二值化图像。最后,针对螺栓定位漆的形状、位置和角度差异,提取Hu矩特征作为螺栓定位漆状态信息的定量表征,并结合SVM建立分类模型得到最终的螺栓紧固状态检测结果。实验结果表明,该方法充分利用了铁路机车转向架螺栓的特点,在保证螺栓目标检测准确率和螺栓定位漆分割精度的情况下,在所有场景下的铁路机车转向架螺栓紧固状态查准率为92.42%,查全率为94.55%,平均正确率为93.28%。

铁路机务检修人员人因失误影响因素研究

为降低铁路机车的故障率,保证铁路行车安全,将决策实验室分析法(DEMATEL)与解释结构模型法(ISM)相结合,研究铁路机务检修人员人因失误影响因素。首先采用DEMATEL法研究各因素对系统的重要度和作用属性,然后通过ISM法明确因素间的层次结构和作用路径,分析各因素间的相互影响关系。结果表明:检修规程、教育管理、责任意识、认知模式及倾向、工作情绪及压力、安全行为、检修经验是铁路机务检修人员人因失误的关键因素,其中前6个因素形成主要作用路径。