基于深度学习的动车前车钩罩丢失故障图像识别方法

基于深度学习的动车前车钩罩丢失故障图像识别方法，解决了如何提高前车钩罩丢失故障检测准确率的问题，属于机车故障检测技术领域。本发明包括获取前车钩罩的图像，建立样本数据集；建立故障检测模型，包括ResNet50网络、特征金字塔FPN、感兴趣区域生成网络RPN和检测器；利用样本数据集对故障检测模型进行训练；获取动车图像，利用训练好的故障检测模型对图像中前车钩罩进行检测，判断其是否发生丢失。本发明基于深度学习的故障检测模型中改进了特征金字塔FPN，改进后的FPN融合特征的方式更加灵活、多样，更全面地捕捉和利用图像中的信息，能够显著的提高特征的融合与提取能力，能够明显的提升故障检测模型的性能。