一种用于轨道交通监测的部件螺栓异常检测方法

本发明公开了一种用于轨道交通安全监测的部件螺栓异常检测方法，本发明使用激光相机对列车进行高频的全方位图像采集和处理，选择YOLOV8模型进行深度学习模型训练，得到检测部件识别的模型；再使用PointNet++模型进行训练，得到检测螺栓点云集的模型；接着使用聚类算法将螺栓点云集聚类成单体的螺栓点云；继续训练并使用PointNet++模型，将单体螺栓点云的上表面和周边平面分割开，然后计算上表面的点到周边平面的平均距离，从而判断螺栓的松紧程度。本发明采用分步检测的方式，同时运用2D灰度图像和3D点云信息的方式，一步一步地缩小检测范围，最后根据螺栓上表面和周边平面的距离进行异常判断，增加了检测的精度。