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！

龙图腾网恭喜东南大学申请的专利一种基于深度异常检测的铁路货车零部件故障检测方法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：CN114663370B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210229806.2，技术领域涉及：G06T7/00；该发明授权一种基于深度异常检测的铁路货车零部件故障检测方法是由杨绿溪;张颀;步兆军;李春国;黄永明设计研发完成，并于2022-03-10向国家知识产权局提交的专利申请。

本一种基于深度异常检测的铁路货车零部件故障检测方法在说明书摘要公布了：本发明公开了一种基于深度异常检测的铁路货车零部件故障检测方法，通过学习大量的正常样本，将部位正常的表征总结出来，而其他的表征视为异常，无需穷举故障可能的表征形式即可很好的将故障检测出，可以应对故障的各种表现形式，降低人工的劳动强度。本发明方法在多个铁路货车零部件测试数据上达到了98.07％的AUC，可以很好的辅助人工进行故障检测，大幅度降低检车员的劳动强度。

本发明授权一种基于深度异常检测的铁路货车零部件故障检测方法在权利要求书中公布了：1.一种基于深度异常检测的铁路货车零部件故障检测方法，其特征在于：具体步骤包括：步骤S1：线阵图像获取；步骤S2：对获取到的图片进行筛选，保留包含目标部位的图像；无需对图像进行额外的标注，只需将大量的未发生故障的样本与少量有故障的样本区分开；步骤S3：使用深度学习技术，构建生成式对抗网络，用于生成目标正常的样本；步骤S4：使用步骤S2所述的未发生故障的样本，对步骤S3所述的网络进行训练，使其能够生成高质量的未发生故障的样本图片；步骤S5：使用深度学习技术，构建编码网络，用于对图片进行编码，编码的目的是让步骤S3所述的生成对抗网络能够根据编码将图片重新生成；步骤S6：使用步骤S2所述的未发生故障的样本，对步骤S5所述的编码网络进行训练，使得步骤S3所述的网络能够根据编码，很好的将图片重建出来；步骤S7：使用步骤S2所述的故障样本，对整个网络进行测试；当未发生故障的图片输入网络时，网络对图片进行编码再重建，与输入图片间的误差较小；而当发生故障的图片输入网络时，网络对图片进行编码再重建，与输入图片间的误差较大；根据输入与输出图片间的差异进行像素级的故障定位，同时通过输入图片和重建图片计算异常得分来判断图片中是否包含故障；所述步骤S3中，为了使生成的图片包含更多细节方便故障定位，使用proGAN式的结构构建生成对抗网络，生成高质量高分辨率的样本图片；网络分为生成器Generator和判别器Discriminator；所述生成器Generator主要由GenInitBlock、GenConvBlock和Convert2RGB三种模块构成；GenInitBlock用于将输入的随机噪声转化成初始化的特征图，GenConvBlock用于通过上采样和卷积操作，提高特征图的尺寸，丰富特征的数量和细节，Convert2RGB用于将多通道的特征图转化为RGB三通道图像；所述GenInitBlock首先对输入的随机噪声进行PixelwiseNorm操作，这里输入的噪声维度为512，PixelwiseNorm公式为：mean代表以特征通道维度求均值；然后通过反卷积操作，将噪声转化为4x4的特征图，经过LeakyRelu激活函数激活之后再经过一个3x3卷积和LeakyRelu，最后再经过一个PixelwiseNorm操作输出；所述GenConvBlock由一个上采样函数和两个卷积层组成，上采样函数用于扩大特征图的尺寸，而两个卷积层则用于补充特征，使得上采样后的特征图拥有更丰富的细节信息；所述Convert2RGB模块使用一个卷积层Convn,3进行实现，n代表特征图通道数，3代表RGB三通道；所述判别器Discriminator主要由FromRGB、DisConvBlock和DisFinalBlock三种模块构成；FromRGB模块用于将RGB三通道图像转化成多通道的特征图，DisConvBlock用于将特征图降维以减少参数量和提取更高阶的特征，DisFinalBlock则用于根据前面模块提取出的特征对图片进行打分，以判断这个图片是真实的还是伪造的；所述FromRGB模块使用一个卷积层Conv3,n进行实现，3代表RGB三通道，n代表特征图通道数；所述DisConvBlock由两个卷积层和一个下采样函数组成，卷积层用于从上一级特征中提取出更高阶的特征，下采样用于降低特征图尺寸，减小计算量；所述DisFinalBlock由一个MinibatchStdDev函数和三个卷积层组成，MinibatchStdDev用于替代Batchnorm，提高生成器模型生成数据的多样性，公式为：即将特征图在Batch维度计算均方根，然后将这个值扩展到特征图尺寸与输入的x拼接这里mean代表以Batch维度求均值；三个卷积层用于将得到的特征图转化为一个得分，得分越高代表判别器越认为输入图像为真实图像。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。