《轨道交通车辆新技术》课件 9-2-1基于AI图像识别的智能诊断系统.pptx

构建医疗领域新里程碑基于AI图像识别的智能诊断系统

01探究基于AI图像识别的智能诊断系统02AI图像识别技术的基本概念CONTENTS03基于AI图像识别的智能诊断系统的设计方案04基于AI图像识别的智能诊断系统的优点

探究基于AI图像识别的智能诊断系统

探究基于AI图像识别的智能诊断系统人工智能的发展机器视觉的功能机器视觉的优点机器视觉的替代作用机器视觉的系统机器视觉的应用人工智能是模拟人类的意识和思维，对人类视觉、听觉、语言能力、思维能力、肢体动作的模仿是人工智能的重要研究方向。机器视觉主要研究如何对物体进行识别，因为未来机器需要具备视觉场景理解能力，不仅要能够准确地识别物体，还要能够结合人类知识分析具体场景。一个机器视觉系统是通过机器视觉产品（图像摄取装置，分CMOS和CCD两种）将被摄取的目标转换成图像信号，传送给专用的图像处理系统。机器视觉中的图像识别技术发展已经非常成熟，最典型的应用有人脸识别、物体识别、花草识别、动物识别等，很多App或者微信小程序都有这些功能。车牌识别、医学影像识别也都属于机器视觉的应用，无人驾驶、无人机中都有机器视觉技术的影子，在工业领域,机器人中的机器视觉系统取垄今的切能就是提高了生产的灵活性和自动化程度。在一些不适合人工作的危险工作环境或者人的视觉难以满足要求的场合，常用机器视觉代替人工视觉。

AI图像识别技术的基本概念

图像识别技术图像识别技术是属于人工智能的研究方向之一，是模拟人类的意识和思维。视觉识别对人类视觉、听觉、语言能力、思维能力、肢体动作的模仿是人工智能的重要研究方向。人工智能方向机器视觉、语音识别、自然语言处理、机器学习、机器人技术等是人工智能的主要研究方向。AI图像识别技术

机器视觉产品：机器视觉产品包括图像摄取装置，有两种类型：CMOS和CCD。机器视觉定义：机器视觉主要研究如何对物体进行识别，让机器具备视觉场景理解能力。数字化信号处理：图像系统通过运算来抽取目标特征，根据判别结果控制现场设备动作或给出识别结果。图像信号处理：图像摄取装置将目标转换成图像信号，传送给专用图像处理系统。机器视觉的优点：机器视觉在工业领域应用广泛，可以代替人工视觉在危险环境或视觉难以满足要求的场合。机器视觉技术应用：机器视觉中的图像识别技术发展已经非常成熟，应用包括人脸识别、物体识别等。机器视觉

智能视觉的应用机器视觉的优点机器视觉可以代替人工视觉在危险环境或视觉难以满足要求的场合工作。工业应用在工业领域，机器人中的机器视觉系统能够提高生产的灵活性和自动化程度。机器视觉的应用无人驾驶、无人机等前沿技术领域，都有机器视觉技术的影子。机器视觉的潜能机器视觉在未来有着巨大的发展潜能，将会推动人工智能技术的进步。探索机器视觉科学家们正在积极探索机器视觉技术，以实现更高的自动化和智能化水平。

基于AI图像识别的智能诊断系统的设计方案

传统检修方式的作业现状03车底部分检修项点检修项点分布在6节车厢的底面和侧面，各部件检修内容不完全一致。01检修项目概述以地铁车辆日检为例，主要检修项目为车底、车侧的检测内容。02车底部分检修对象检修对象包含25种、80多个车下大部件，每个大部件包含多个组件需要全检。

传统检修方式的作业现状车侧部分检修对象检修对象包含头车、车体所有部件，检修项点分布车下部件车侧面外露部分。检修方式特点当前传统检修方式主要通过人工目检方式，由于每列车上有万个零件检测项目。检测质量受影响工人的劳动强度大，工作内容的重复性强，检测质量受个人技术水平影响。

传统检修方式的作业现状人力成本上升通常一个检修段需要有40多个检修人员按班轮换，人力成本逐年上升。安全风险存在夜间作业、地沟作业，以及有带电操作，工作过程有一定安全风险。

图像智能诊断系统研发关键图像智能诊断系统研发的关键问题是日检作业中常见故障的诊断。车底部件故障识别车底识别牵引杆、主变、电机、车轮、车钩、风管、排障扫石器、轴箱等核心部件裂纹及缺损等问题故障的识别。车侧部件故障识别车侧识别轴箱、轮辐、车体侧部等裂纹、缺损等异常情况及螺栓紧固状态等问题故障的识别。智能诊断系统的检修作业工艺需求

智能诊断系统的检修作业工艺需求驱动装置、齿轮箱外观检查，包括箱体等各部件缺损、裂纹，安装螺栓紧固状态。驱动装置外观检查齿轮箱油位检测，抱轴承油脂泄漏检查，确保齿轮箱油位适中，避免过低或过高。齿轮箱油位检测牵引电机、电机悬挂、牵引装置外观检查，包括壳体、风筒等外观异常、各安装螺栓紧固状态。牵引电机外观检查

钢丝绳线缆断股检查电机悬挂吊杆、吊座、牵引杆各处焊缝裂纹，钢丝绳、线缆断股，折损情况，牵引销、橡胶关节状态，漏油、焊缝裂纹。变压器外观检查变压器外观检查，包括吊挂座等处安装螺栓紧固状态，油管路漏油，油流、温度继电器外观和接线、膨胀箱、T型头外观异常。