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！

龙图腾网获悉华东交通大学申请的专利一种列车部件检测方法、系统、存储介质及设备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：CN121236400B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511812176.1，技术领域涉及：G06V10/26；该发明授权一种列车部件检测方法、系统、存储介质及设备是由余鹰;胡文睿;高灿;肖乾;张龙设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种列车部件检测方法、系统、存储介质及设备在说明书摘要公布了：本发明公开了一种列车部件检测方法、系统、存储介质及设备，涉及图像识别技术领域，该方法通过铁路场站部署的图像采集设备获取包含轴承、转挡件、车轮等关键部件的图像，随后对图像进行预处理，并输入至预训练的图像分割模型中，通过多尺度上下文感知重参数化模块进行特征提取，提取的特征通过双向交叉注意力融合模块进行深度融合，融合后的特征再经组件结构约束模块优化，输出符合车体结构逻辑的分割结果图，最终基于分割结果图进行部件状态自动化分析，包括腐蚀面积计算、故障定位及与标准轮廓差异比对，实现列车关键部件的故障诊断与安全预警。本发明有效解决了铁路复杂环境下部件检测的精度与实时性平衡难题。

本发明授权一种列车部件检测方法、系统、存储介质及设备在权利要求书中公布了：1.一种列车部件检测方法，其特征在于，所述方法包括： 通过部署于铁路场站的图像采集设备，获取列车中预先定义的关键部件的图像；所述关键部件包括轴承、转挡件、车轮、锁紧板、底板及舱盖； 对获取的图像进行预处理并输入至预训练的图像分割模型中，通过所述图像分割模型中的多尺度上下文感知重参数化模块，对输入的图像进行特征提取，得到初始特征；具体包括： 在所述图像分割模型的训练阶段，使所述多尺度上下文感知重参数化模块通过多条并行路径提取多尺度特征，包括： 恒等路径，直接保留输入特征； 大感受野路径，采用5×5深度可分离卷积捕获全局上下文信息； 中感受野路径，采用3×3标准卷积捕获中等尺度特征； 小感受野路径，采用1×1卷积聚焦局部细节特征； 将各个感受野路径的输出进行加权融合，得到所述初始特征； 将提取得到的所述初始特征通过双向交叉注意力融合模块进行特征深度融合，得到融合特征；具体包括： 对所述初始特征中基于语义分支获取的低分辨率语义特征进行上采样，使其与基于细节分支获取的高分辨率细节特征的尺寸一致； 基于所述高分辨率细节特征生成细节查询向量，基于上采样后的低分辨率语义特征生成语义键向量与语义值向量，通过注意力计算得到语义信息增强后的目标细节特征； 基于低分辨率语义特征生成语义查询向量，基于下采样后的高分辨率细节特征成细节键向量与细节值向量，通过注意力计算得到细节信息增强后的目标语义特征； 将增强得到的目标细节特征与目标语义特征基于通道维度进行拼接，并通过卷积融合生成最终的融合特征； 将所述融合特征输入至组件结构约束模块，对图像的分割预测结果进行结构优化与约束，输出用于表征所述关键部件的分割结果图；具体包括： 将所述融合特征输入至组件结构约束模块，采用可变形卷积网络自适应提取列车关键部件的几何轮廓特征；计算表达式具体为： ； 式中，为输出特征，为卷积核数量，为第k个采样点的权重，为输入特征图，为中心点位置，为预设偏移，与分别为学习得到的偏移量和调制标量； 采用基于Transformer的关系推理网络，通过结构感知的注意力机制建模部件间的空间约束关系，其注意力计算表示为： ； 式中，分别表示查询、键和值矩阵，表示矩阵的转置操作，为维度缩放因子，为结构掩码矩阵，表示部件间的空间约束规则； 基于所述分割结果图，对所述关键部件进行部件状态的自动化分析，包括计算腐蚀面积、定位故障位置、与标准轮廓进行差异比对，以完成所述关键部件的故障诊断与安全预警。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808号；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”。

以上内容由龙图腾AI智能生成。