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%。

基于压电阻抗法的化学螺栓紧固状态检测方法

为确保固定玻璃幕墙的化学螺栓无松动,基于化学螺栓紧固状态对压电陶瓷振动对的影响作用,研发了一种化学螺栓紧固情况无损检测方法。通过测试压电陶瓷阻抗特征频率的变化规律,来检测化学螺栓的紧固状态,并利用压电阻抗技术和机器学习算法,对玻璃幕墙结构中的化学螺栓松动脱落风险进行分析。实践证实,新方法具有较高的检测准确率,可在玻璃幕墙建筑中推广应用。