Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 辽宁鼎汉奇辉电子系统工程有限公司李诗东获国家专利权

辽宁鼎汉奇辉电子系统工程有限公司李诗东获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉辽宁鼎汉奇辉电子系统工程有限公司申请的专利一种抱闸分析方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120032328B

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510499156.7,技术领域涉及:G06V20/54;该发明授权一种抱闸分析方法及系统是由李诗东;于龙波;王海林;戴道伟;陈志强;齐宗江;邢建国;许海峰;于庆;孙晋玲设计研发完成,并于2025-04-21向国家知识产权局提交的专利申请。

一种抱闸分析方法及系统在说明书摘要公布了:本发明公开了一种抱闸分析方法及系统,涉及铁路抱闸检测技术领域。所述方法包括:获取铁路来车图像、计轴数据、车号标签;根据计轴数据和车号标签确定车厢车号信息;基于第一改进YOLOv8m网络的目标检测模型对铁路来车图像进行目标检测,当图像中包含鞲鞴杆和制动缸头部时,计算鞲鞴杆长度;当鞲鞴杆长度超过预设长度阈值时发出风抱风险预警;当图像中包含链条时,基于第二改进YOLOv8m‑Seg网络的实例分割模型对链条检测框区域图像进行链条分割;并对链条分割结果进行处理,获取链条弯曲程度;当弯曲程度大于预设弯曲阈值时发出链抱风险预警。本发明抱闸检测精度达到毫米级水平,可有效防止抱闸车辆过峰溜放,保障列车运行安全。

本发明授权一种抱闸分析方法及系统在权利要求书中公布了:1.一种抱闸分析方法,其特征在于,包括: 获取采集的铁路来车图像、计轴数据、车号标签; 根据计轴数据和车号标签确定车厢车号信息; 基于改进YOLOv8m网络对铁路来车图像进行处理并分析,获取分析结果;包括:基于第一改进YOLOv8m网络的目标检测模型对铁路来车图像进行目标检测,所述第一改进YOLOv8m网络的改进之处包括:在YOLOv8m原始主干网络中增加空间金字塔池化模块和部分自注意力模块;在颈部网络后、头部网络前增加坐标注意力机制;所述目标包括:链条、鞲鞴杆或制动缸头部;所述基于第一改进YOLOv8m网络的目标检测模型对铁路来车图像进行目标检测包括:将铁路来车图像输入主干网络进行特征提取,包括:利用主干网络中多个C2f特征提取模块提取图像局部特征并进行特征融合;随后,通过空间金字塔池化模块聚合不同尺度的特征;随后,通过部分自注意力模块,将经过空间金字塔池化模块聚合后的特征图均匀分割为两部分,一部分特征图进入自注意力模块中通过查询向量、键向量和值向量之间的矩阵运算进行全局信息建模,所述部分自注意力模块中查询向量和键向量的维度为值向量的一半,并使用批归一化替代层归一化进行标准化处理;另一部分特征图通过跳跃连接与自注意力模块的输出进行融合;利用颈部网络对主干网络提取的特征进行融合、增强和处理;利用坐标注意力机制生成位置信息增强的特征图,包括:首先,在水平方向和垂直方向分别对颈部网络输出的特征执行全局平均池化,提取不同方向的压缩特征;随后,这些特征经过一组共享权重的卷积进行融合;融合后的特征被重新划分为水平方向和垂直方向两部分,并分别通过1×1卷积和Sigmoid激活函数生成注意力矩阵;最后,通过元素乘法利用注意力矩阵对颈部网络输出的特征进行加权,获取位置信息增强的特征图;利用头部网络将位置信息增强的特征图转换为最终的目标检测结果; 对检测到的目标进行分析,确定抱闸风险类型;包括:当检测到的目标中包含鞲鞴杆和制动缸头部,则基于鞲鞴杆与制动缸头部的位置关系确定所述鞲鞴杆是否为有效鞲鞴杆;当确定为有效鞲鞴杆时计算鞲鞴杆长度;比较所述鞲鞴杆长度与预设长度阈值,当所述鞲鞴杆长度超过预设长度阈值时,发出风抱风险预警; 当检测到的目标中包含链条,则提取链条检测框区域图像,并基于第二改进YOLOv8m-Seg网络的实例分割模型对链条检测框区域图像进行链条分割,获取链条掩码图像;对于所述链条掩码图像,采用抛物线拟合算法计算获得链条中线,并根据链条弧线深度与链条弦长的比值来评估链条的弯曲程度,公式为: 其中,κ表示链条中线的曲率,l表示链条中线的弦长,h表示链条中线相较于弦长的最大深度;当弯曲程度大于预设弯曲阈值时,发出链抱风险预警;其中,所述第二改进YOLOv8m-Seg网络的改进之处包括:在YOLOv8m-Seg原始主干网络中增加空间金字塔池化模块和部分自注意力模块;在主干网络和颈部网络之间增加多尺度序列融合模块;在颈部网络和头部网络之间增加特征融合模块; 所述基于第二改进YOLOv8m-Seg网络的实例分割模型对链条检测框区域图像进行链条分割包括:将链条检测框区域图像输入主干网络进行特征提取,包括:利用主干网络中多个C2f特征提取模块提取图像局部特征并进行特征融合;随后,通过空间金字塔池化模块聚合不同尺度的特征,包括:通过卷积层、批归一化和SiLU激活函数对不同尺度的特进行处理,得到通道数减半的特征图;依次通过多个最大池化层,以逐步减小特征图尺寸;将经过不同尺度池化后的特征图在通道维度上进行拼接;随后,通过部分自注意力模块,将聚合后的特征图均匀分割为两部分,一部分特征图通过查询向量、键向量和值向量之间的矩阵运算进行全局信息建模;另一部分特征图通过跳跃连接与自注意力模块的输出进行融合; 利用多尺度序列融合模块对主干网络提取的特征进行融合,包括:从主干网络中提取P2至P5级的特征图,经过尺寸调整后通过元素拼接的方式初步融合低级的局部细节信息和高级的全局语义信息,生成对目标特征的综合描述;随后,通过1×1卷积进行通道降维,并将特征映射到更高层次的特征空间;利用卷积核为3和5的RepVGG模块,在不同感受野下提取目标的边缘细节与上下文信息; 利用颈部网络对主干网络提取的特征进行融合、增强和处理; 利用特征融合模块将所述多尺度序列融合模块提取的融合特征与颈部网络P3级的特征图进行融合,包括:将两部分特征图在通道维度进行拼接;通过3×3卷积和Sigmoid激活函数生成特征权重集;根据特征权重集,分别对待融合特征进行调整;通过元素加法对调整后的两部分特征进行融合; 利用头部网络将特征融合模块融合后的特征图转换为最终的实例分割结果;其中,头部网络包含分割头和预测头,分割头用于生成目标的高分辨率原生掩码,预测头用于预测目标属性,所述目标属性包括目标框位置、类别信息以及与分割相关的掩码系数; 显示图像处理结果、分析结果及对应的车厢车号信息。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人辽宁鼎汉奇辉电子系统工程有限公司,其通讯地址为:110000 辽宁省沈阳市铁西区北一西路52甲号金谷项目AC座1001;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。