列车轴温探测方法及装置

摘要

本发明提供一种列车轴温探测方法及装置。其中，方法包括如下步骤：当列车到达探测位置时，测量其车速将采集的视频中的各帧图像与相应时刻进行绑定；将采集的各车轮轴承的温度与采集时间th进行绑定；根据车速设定采样频率，对各车轮轴承的温度与采集时间th形成的绑定数据进行采样，得到标准轴温波形序列；在各帧图像中搜索接近标准轴温波形序列中各轴温波形中心时刻的图像，作为图像数据绑定至标准轴温波形序列，形成最终探测结果数据包。本发明能够实现列车车轮及轴承的视频采集，并能够对其中车轮及轴承的图像进行检测，将检测得到的图像数据和测温数据进行对齐，可直接观察每个轴承测量的实际情况，提高测温结果的稳定性和准确性。

权利要求

1.一种列车轴温探测方法，其特征在于，所述列车轴温探测方法包括如下步骤：设置探测位置；

当列车到达探测位置时，测量其车速

依次采集到达探测位置的各车轮的视频；

采集所述视频中的各帧图像，将采集的各帧图像与相应时刻 进行绑定；

h

依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的温度与采集时间t 进行绑定；

h

根据车速 设定采样频率，对各车轮轴承的温度与采集时间t形成的绑定数据进行采样，得到标准轴温波形序列；

在各帧图像中搜索 接近标准轴温波形序列中各轴温波形中心时刻的图像，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

2.根据权利要求1所述的列车轴温探测方法，其特征在于，根据各帧图像中检测到的每个车轮轴承在探测区间中间位置的时刻 在标准轴温波形序列中搜索各轴温波形中心的时刻与之相近轴温波形，判断这两个时刻之间的偏差是否在设定阈值范围内，如超出设定h的阈值范围，则以相应时刻 为基准，按车速对各车轮轴承的温度与采集时间t 形成的绑定数据进行重新采样，将采样结果更新至最终标准轴温波形序列。

3.根据权利要求1所述的列车轴温探测方法，其特征在于，所述列车轴温探测方法还包括对车速 进行判断，当该车速 变化大于设定的阈值时，则认为测量的车速 存在误差，并利用根据各帧图像得到的车速 对所述车速 进行修正。

4.根据权利要求3所述的列车轴温探测方法，其特征在于，按照如下方法步骤根据各帧图像得到车速设置探测位置时，还在探测位置处沿列车行车方向间隔设置的两个位置标示物，依次采集到达探测位置的各车轮及相应两侧位置标示物的视频；

对各帧图像中车轮及相应两侧位置标示物进行检测，根据检测得到的车轮及相应两侧位置标示物在帧图像中的坐标，计算得到不同时刻 下的所述车速

5.根据权利要求4所述的列车轴温探测方法，其特征在于，所述计算得到不同时刻 下的所述车速 包括：通过检测，得到两侧位置标示物在图像中宽度方向的坐标分比为xl，xr；

通过检测，得到各车轮轴承在不同时刻 的检测结果 和 其中k为各帧图像对应的时刻序号，i为各车轮序号；

根据每一时刻各车轮轴承的坐标值和位置标示物坐标值的比例关系，计算该车轮的运动距离，并根据图像的时间差得到每帧图像中列车的车速

6.根据权利要求1所述的列车轴温探测方法，其特征在于，所述列车轴温探测方法还包括：根据采集到的各帧图像，通过对车轮、轴承以及周围环境进行识别，判断是否为影响轴温探测的车型和环境。

7.根据权利要求6所述的列车轴温探测方法，其特征在于，所述判断是否为影响轴温探测的车型和环境包括：采用深度学习分类网络对采集到的各帧图像进行分类处理，所述分类处理的依据为预设的若干标签。

8.根据权利要求6所述的列车轴温探测方法，其特征在于，所述列车轴温探测方法还包括：将各轴温波形中心时刻图像对应的环境识别结果，绑定至所述标准轴温波形序列，形成最终探测结果数据包。

9.根据权利要求8所述的列车轴温探测方法，其特征在于，所述列车轴温探测方法还包括：识别所述最终探测结果数据包中的图像数据，并在识别到存在异常探测或漏探情况时进行报警。

10.一种列车轴温探测装置，其特征在于，所述列车轴温探测装置包括：车轮传感模块、车轮轴承检测模块、时统模块、测温模块以及控制处理模块；

所述车轮传感模块用于在列车到达探测位置时，测量其车速所述车轮轴承检测模块用于依次采集到达探测位置的各车轮的视频，并采集所述视频中各车轮的图像，将各帧图像与来自所述时统模块的相应时刻 进行绑定；

所述测温模块依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的温度与h来自所述时统模块的采集时间t进行绑定

所述控制处理模块接收来自所述车轮传感模块、车轮轴承检测模块、时统模块以及测h温模块的数据，并根据车速 设定的采样频率，对各车轮轴承的温度与采集时间t形成的绑定数据进行采样，得到标准轴温波形序列；

所述控制处理模块还在各帧图像中搜索 接近标准轴温波形序列中各轴温波形中心时刻的图像，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

11.一种列车轴温探测装置，其特征在于，所述列车轴温探测装置包括：磁钢车轮传感模块、车轮轴承检测模块、时统模块、测温模块以及控制处理模块；

所述磁钢车轮传感模块包括：位于探测位置的第三磁钢传感器和第四磁钢传感器，所述第三磁钢传感器和第四磁钢传感器沿列车行车方向间隔设置；

所述车轮轴承检测模块包括：设置于所述探测位置的至少一个摄像头，所述摄像头的视频采集范围至少覆盖经过所述探测位置的车轮直径；

所述测温模块包括：设置于所述探测位置的至少一个红外探测器；

所述时统模块提供统一标准的时间信号，并将统一的时间信号发送给所述车轮轴承检测模块、测温模块以及控制处理模块；

所述控制处理模块接收来自所述磁钢车轮传感模块、车轮轴承检测模块、时统模块、测温模块的数据，并结合其中的图像数据和测温数据计算得到轴温数据。

说明书

列车轴温探测方法及装置

技术领域

[0001] 本发明涉及列车轴温探测技术领域，尤其涉及一种列车轴温探测方法及装置。

背景技术

[0002] 车辆轴温智能探测系统(THDS)通常称为红外线轴温探测系统，采用辐射测温技术，将温度探测装置安装在轨边以实时检测运行状态下的列车轴承温度，来发现车辆轴承故障隐患，保证铁路运输安全。

[0003] 目前，常用的列车车辆检测方式大多利用磁钢检测到车轮，判断来车；并通过2个或多个磁钢根据磁钢之间的距离和各磁钢之间探测到的车轮通过时间差来计算车速，当磁钢信号不稳定时测速和计轴会受到影响。

[0004] 同时，由于受不同车型轴承周围部件影响，以及环境影响，如阳光直射、反射等因素影响，轴温探测系统测得的数据存在异常波形或漏探的情况，例如，挡键遮挡时波形顶部宽度较窄，阳光干扰时出现尖峰波形或浴盆波形，抱闸车出现的抱闸波形，带轴箱套的机车漏探等情况，异常探测数据通常是靠积累经验对波形进行分析来判断，进而存在不直观可靠的问题。

[0005] 因此，针对上述问题，有必要提出进一步地解决方案。

发明内容

[0006] 本发明旨在提供一种列车轴温探测方法及装置，以克服现有技术中存在的不足。

[0007] 为解决上述技术问题，本发明的技术方案是：

[0008] 一种列车轴温探测方法，其包括如下步骤：

[0009] 设置探测位置；

[0010] 当列车到达探测位置时，测量其车速

[0011] 依次采集到达探测位置的各车轮的视频；

[0012] 采集所述视频中的各帧图像，将采集的各帧图像与相应时刻 进行绑定；

[0013] 依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的温度与采集时间ht进行绑定；
h

[0014] 根据车速 设定采样频率，对各车轮轴承的温度与采集时间t形成的绑定数据进行采样，得到标准轴温波形序列；

[0015] 在各帧图像中搜索 接近标准轴温波形序列中各轴温波形中心时刻的图像，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

[0016] 作为本发明列车轴温探测方法的改进，根据各帧图像中检测到的每个车轮轴承在探测区间中间位置的时刻 在标准轴温波形序列中搜索各轴温波形中心的时刻与之相近轴温波形，判断这两个时刻之间的偏差是否在设定阈值范围内，如超出设定的阈值范围，则h以相应时刻 为基准，按车速对各车轮轴承的温度与采集时间t形成的绑定数据进行重新采样，将采样结果更新至最终标准轴温波形序列。

[0017] 作为本发明列车轴温探测方法的改进，所述列车轴温探测方法还包括对车速 进行判断，当该车速 变化大于设定的阈值时，则认为测量的车速 存在误差，并利用根据各帧图像得到的车速 对所述车速 进行修正。

[0018] 作为本发明列车轴温探测方法的改进，按照如下方法步骤根据各帧图像得到车速[0019] 设置探测位置时，还在探测位置处沿列车行车方向间隔设置的两个位置标示物，依次采集到达探测位置的各车轮及相应两侧位置标示物的视频；

[0020] 对各帧图像中车轮及相应两侧位置标示物进行检测，根据检测得到的车轮及相应两侧位置标示物在帧图像中的坐标，计算得到不同时刻 下的所述车速

[0021] 作为本发明列车轴温探测方法的改进，所述计算得到不同时刻 下的所述车速包括：

[0022] 通过检测，得到两侧位置标示物在图像中宽度方向的坐标分比为xl，xr；

[0023] 通过检测，得到各车轮轴承在不同时刻 的检测结果 和 其中k为各帧图像对应的时刻序号，i为各车轮序号；

[0024] 根据每一时刻各车轮轴承的坐标值和位置标示物坐标值的比例关系，计算该车轮的运动距离，并根据图像的时间差得到每帧图像中列车的车速

[0025] 作为本发明列车轴温探测方法的改进，所述列车轴温探测方法还包括：根据采集到的各帧图像，通过对车轮、轴承以及周围环境进行识别，判断是否为影响轴温探测的车型和环境。

[0026] 作为本发明列车轴温探测方法的改进，所述判断是否为影响轴温探测的车型和环境包括：

[0027] 采用深度学习分类网络对采集到的各帧图像进行分类处理，所述分类处理的依据为预设的若干标签。

[0028] 作为本发明列车轴温探测方法的改进，所述列车轴温探测方法还包括：

[0029] 将各轴温波形中心时刻图像对应的环境识别结果，绑定至所述标准轴温波形序列，形成最终探测结果数据包。

[0030] 作为本发明列车轴温探测方法的改进，所述列车轴温探测方法还包括：识别所述最终探测结果数据包中的图像数据，并在识别到存在异常探测或漏探情况时进行报警。

[0031] 为解决上述技术问题，本发明的技术方案是：

[0032] 一种列车轴温探测装置，其包括：车轮传感模块、车轮轴承检测模块、时统模块、测温模块以及控制处理模块；

[0033] 所述车轮传感模块用于在列车到达探测位置时，测量其车速

[0034] 所述车轮轴承检测模块用于依次采集到达探测位置的各车轮的视频，并采集所述视频中各车轮的图像，将各帧图像与来自所述时统模块的相应时刻 进行绑定；

[0035] 所述测温模块依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的温h度与来自所述时统模块的采集时间t进行绑定

[0036] 所述控制处理模块接收来自所述车轮传感模块、车轮轴承检测模块、时统模块以h及测温模块的数据，并根据车速 设定的采样频率，对各车轮轴承的温度与采集时间t 形成的绑定数据进行采样，得到标准轴温波形序列；

[0037] 所述控制处理模块还在各帧图像中搜索 接近标准轴温波形序列中各轴温波形中心时刻的图像，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

[0038] 为解决上述技术问题，本发明的技术方案是：

[0039] 一种列车轴温探测装置，其包括：磁钢车轮传感模块、车轮轴承检测模块、时统模块、测温模块以及控制处理模块；

[0040] 所述磁钢车轮传感模块包括：位于探测位置的第三磁钢传感器和第四磁钢传感器，所述第三磁钢传感器和第四磁钢传感器沿列车行车方向间隔设置；

[0041] 所述车轮轴承检测模块包括：设置于所述探测位置的至少一个摄像头，所述摄像头的视频采集范围至少覆盖经过所述探测位置的车轮直径；

[0042] 所述测温模块包括：设置于所述探测位置的至少一个红外探测器；

[0043] 所述时统模块提供统一标准的时间信号，并将统一的时间信号发送给所述车轮轴承检测模块、测温模块以及控制处理模块；

[0044] 所述控制处理模块接收来自所述磁钢车轮传感模块、车轮轴承检测模块、时统模块、测温模块的数据，并结合其中的图像数据和测温数据计算得到轴温数据。

[0045] 与现有技术相比，本发明的有益效果是：本发明能够实现列车车轮及轴承的视频采集，并能够对其中车轮及轴承的图像进行检测，将检测得到的图像数据和测温数据进行对齐，可直接观察每个轴承测量的实际情况，提高测温结果的稳定性和准确性，进而克服现有技术中测温数据受外部因素影响不准确的问题。此外，本发明还能够对各轴承抓拍图像进行识别，自动判断出影响轴温探测的车型和环境，实现异常数据主动报警。

附图说明

[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0047] 图1为本发明列车轴温探测方法一实施例的方法流程示意图；

[0048] 图2为本发明列车轴温探测装置一实施例的模块示意图；

[0049] 图3为本发明列车轴温探测装置一实施例的结构示意图。

具体实施方式

[0050] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0051] 本发明一实施例提供一种列车轴温探测方法。

[0052] 如图1所示，本实施例的列车轴温探测方法包括步骤S1至S14，需要说明的是，上述步骤序号并非是对步骤顺序的限定，而是为了便于对技术方案进行叙述。

[0053] S1、设置探测位置。

[0054] 该探测位置具体可设置于列车运行的轨道上的某一位置处。此外，还可在探测位置处设置辅助图像采集的位置标示物。一个实施方式中，可借助轨道枕木设置上述位置标示物。具体地，若轨道枕木在图像中比较清晰，可直接利用枕木的边缘作为位置标示物进行，或在轨道枕木上标识竖直线作为位置标示物，也可单独设置直线物体作为位置标示物。

[0055] S2、判断来车。

[0056] 为了判断列车接近探测位置，可在探测位置的上游设置磁钢传感器以感测来车。例如，设置沿列车行驶方向间隔设置的两个磁钢传感器，二者可感应来车，并根据同一车轮通过两个磁钢传感器的时刻以及二者间的距离计算平均车速。

[0057] S3、当列车到达探测位置时，测量其车速

[0058] 为了测量车速，可在探测位置设置磁钢传感器。例如，设置沿列车行驶方向间隔设置的两个磁钢传感器，二者可感应来车，并根据同一车轮通过两个磁钢传感器的时刻以及二者间的距离计算车速

[0059] S4、依次采集到达探测位置的各车轮的视频。

[0060] 具体地，可通过安装在探测位置的摄像头按固定帧率进行视频采集，摄像头的视频采集范围至少覆盖经过探测位置的车轮直径。优选地，摄像头的视频采集范围覆盖一个完整车轮以及左右两个位置标示物。

[0061] S5、采集所述视频中的各帧图像，将采集的各帧图像与相应时刻 进行绑定。其中，视频中的各帧图像为包括车轮及其两侧位置标示物的图像。

[0062] S6、对各帧图像中的位置标示物进行检测，通过检测二者之间的距离d，两个位置标示物在图像宽度方向(即列车运行方向)的坐标分别为x1，xr。

[0063] 其中，位置标示物的检测可采用深度学习目标分割网络来实现，例如SegNet、U‑Net、MaskRCNN、DeeperLab等经典网络。

[0064] S7、对各帧图像中车轮和轴承进行检测，检测到车轮和轴承的图像为I，并定位轴承中心位置点在图像中的坐标值x。

[0065] 其中，车轮和轮轴的检测可采用深度学习检测网络实现，例如yolo系列网络、SSD、CenterNet等。此外，当车轮和轮轴检测出来后可采用跟踪算法在后续帧中得到车轮和轮轴目标框，例如KCF算法、DeepSORT、MDNet、VOT目标跟踪网络等。

[0066] S8、对视频中的每帧图像重复步骤S7，得到各车轮轴承在不同时刻 的检测结果和 其中k为各图像采集时从时统模块得到的时刻序号，i为各车轮序号。根据每一时刻各车轮轴承的坐标值和位置标示物坐标值的比例关系，计算该车轮的运动距离，并根据图像的时间差得到每帧图像中车辆运行速度

[0067] S9、依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的温度与采集h时间t进行绑定。

[0068] 为了实现各车轮轴承的温度，可在探测位置处设置红外探测器。如此，列车经过红外探测器时，根据设定的角度和位置可得到通过探测区域的列车各部件温度，并实时与采h集时间t进行绑定。

[0069] S10、对车速 进行判断，当该车速 变化大于设定的阈值时，则认为测量的车速存在误差，并利用根据各帧图像得到的车速 对所述车速 进行修正。

[0070] 具体地，检测磁钢传感器测得的车速 当 变化较大时，如大于设定的阈值时，则认为磁钢感应不准导致车速误差大，进而在上述视频图像检测模块测得的车速 中搜集 接近t的车速，并按时间根据前后车速进行插值得到修正后的车速。如此，有利于克服现有技术中磁钢信号不稳定时测速和计轴会受到影响的问题。

[0071] S11、按照车速设定采样频率，对各车轮轴承的温度与采集时间th形成的绑定数据进行采样，得到标准轴温波形序列。

[0072] 具体地，根据探测位置处磁钢传感器各车轮的感应信号时刻点作为各车轴温度采样的起始点和结束点，并按照上述测得的车速计算采样频率，对探测的温度数据进行采样，得到红外探测器的标准轴温波形序列。

[0073] 其中，根据被测车轮轮轴的宽度尺寸和车速，按照标准轴温波形设定的温度数据的点数，可计算出采样频率。

[0074] S12、根据各帧图像中检测到的每个车轮轴承在探测区间中间位置的时刻 在轴温波形序列中搜索各轴温波形中心的时刻与之相近轴温波形，判断这两个时刻之间的偏差是否在设定阈值范围内，如超出设定的阈值范围，则以相应时刻 为基准，按车轮轴承检测h模块测得的车速对各车轮轴承的温度与采集时间t 形成的绑定数据进行重新采样，将采样结果更新至最终标准轴温波形序列。

[0075] S13、根据采集到的各帧图像，通过对车轮、轴承以及周围环境进行识别，判断是否为影响轴温探测的车型和环境。

[0076] 其中，采用深度学习分类网络对采集到的各帧图像进行分类处理，例如VGG、ResNet、MobileNet等。所述分类处理的依据为预设的若干标签。例如，具体分类标签可按车型、轴承是否有遮挡、是否阳光直射、反射、是否为抱闸车等各类情况设置。此外，也可以在上述车轮和轮轴检测网络中按标签训练多类检测网络来直接实现检测和分类。如此，有利于克服环境因素对轴温探测造成的影响。

[0077] S14、根据采集时间th，在各帧图像中搜索 接近th的图像及其轴承和环境识别结果，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

[0078] S15、识别所述最终探测结果数据包中的图像数据，并在识别到存在异常探测或漏探情况时进行报警。如此，以提示操作人员确认是否存在异常或漏探情况，以便进行后续相关处理。

[0079] 基于相同的技术构思，本发明另一实施例提供一种列车轴温探测装置。

[0080] 如图2、3所示，本实施例的列车轴温探测装置包括：车轮传感模块10、车轮轴承检测模块20、时统模块30、测温模块40以及控制处理模块50。

[0081] 车轮传感模块10用于判断来车以及在列车到达探测位置时，测量其车速[0082] 该探测位置具体可设置于列车运行的轨道上的某一位置处。此外，还可在探测位置处设置辅助图像采集的位置标示物。一个实施方式中，可借助轨道枕木设置上述位置标示物。具体地，若轨道枕木在图像中比较清晰，可直接利用枕木的边缘作为位置标示物进行，或在轨道枕木上标识竖直线作为位置标示物，也可单独设置直线物体作为位置标示物。

[0083] 车轮传感模块10包括：第一磁钢传感器11、第二磁钢传感器12、第三磁钢传感器13以及第四磁钢传感器14。

[0084] 其中，第一磁钢传感器11、第二磁钢传感器12位于探测位置的上游。此时，第一磁钢传感器11、第二磁钢传感器12沿列车行驶方向间隔设置，二者可感应来车，并根据同一车轮通过两个磁钢传感器的时刻以及二者间的距离计算平均车速。

[0085] 第三磁钢传感器13以及第四磁钢传感器14位于探测位置处。此时，第三磁钢传感器13以及第四磁钢传感器14沿列车行驶方向间隔设置，二者可感应来车，并根据同一车轮通过两个磁钢传感器的时刻以及二者间的距离计算车速

[0086] 车轮轴承检测模块20用于依次采集到达探测位置的各车轮的视频，并采集视频中各车轮的图像，将各帧图像与来自时统模块30的相应时刻 进行绑定。

[0087] 具体地，车轮轴承检测模块20包括：设置于探测位置的至少一个摄像头21，该摄像头21的视频采集范围至少覆盖经过所述探测位置的车轮直径，如此以实现列车车轮及其周围环境的视频采集。优选地，摄像头21的视频采集范围覆盖一个完整车轮以及左右两个位置标示物。一个实施方式中，车轮轴承检测模块20包括：设置于探测位置两侧的摄像头21。

[0088] 车轮轴承检测模块20还能够根据图像的时间差得到每帧图像中车辆运行速度如此，根据每帧图像计算得到的车辆运行速度 可用于对根据磁钢传感器得到的车速 进行修正。

[0089] 具体地，车轮轴承检测模块20采集所述视频中的各帧图像，将采集的各帧图像与相应时刻 进行绑定。其中，视频中的各帧图像为包括车轮及其两侧位置标示物的图像。

[0090] 对各帧图像中的位置标示物进行检测，通过检测二者之间的距离d，两个位置标示物在图像宽度方向(即列车运行方向)的坐标分别为xl，xr。

[0091] 其中，位置标示物的检测可采用深度学习目标分割网络来实现，例如SegNet、U‑Net、MaskRCNN、DeeperLab等经典网络。

[0092] 对各帧图像中车轮和轴承进行检测，检测到车轮和轴承的图像为I，并定位轴承中心位置点在图像中的坐标值x。

[0093] 其中，车轮和轮轴的检测可采用深度学习检测网络实现，例如yolo系列网络、SSD、CenterNet等。此外，当车轮和轮轴检测出来后可采用跟踪算法在后续帧中得到车轮和轮轴目标框，例如KCF算法、DeepSORT、MDNet、VOT目标跟踪网络等。

[0094] 对视频中的每帧图像重复上述步骤，得到各车轮轴承在不同时刻 的检测结果和 其中k为各图像采集时从时统模块30得到的时刻序号，i为各车轮序号。根据每一时刻各车轮轴承的坐标值和位置标示物坐标值的比例关系，计算该车轮的运动距离，并根据图像的时间差得到每帧图像中车辆运行速度

[0095] 测温模块40用于依次采集到达探测位置的各车轮轴承的温度，并将各车轮轴承的h温度与采集时间t进行绑定。

[0096] 具体地，测温模块40包括：设置于探测位置的至少一个红外探测器41，该红外探测器41可通过红外传感信号对车轮轴承的温度进行感测。如此，列车经过红外探测器41时，根h据设定的角度和位置可得到通过探测区域的列车各部件温度，并实时与采集时间t进行绑定。一个实施方式中，测温模块40包括：设置于探测位置两侧的红外探测器41，如此可输出两路测温数据。

[0097] 控制处理模块50接收来自车轮传感模块10、车轮轴承检测模块20、时统模块30以h及测温模块40的数据，并按照设定的采样频率，对各车轮轴承的温度与采集时间t形成的绑定数据进行采样，得到标准轴温波形序列。

[0098] 控制处理模块50可以是一种集成电路芯片，具有信号的处理能力。例如，上述的控制处理模块50可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、网络处理器(Network Processor，简称：NP)等。该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0099] 控制处理模块50工作时，根据探测位置处磁钢传感器针对车轮感应信号时刻点，以及上述测得的车速计算采样频率，对探测的温度数据进行采样，得到红外探测器41的标准轴温波形序列。

[0100] 控制处理模块50还能够对对根据磁钢传感器得到的车速 进行修正，从而有利于克服现有技术中磁钢信号不稳定时测速和计轴会受到影响的问题。

[0101] 此时，控制处理模块50检测磁钢传感器测得的车速 当 变化较大时，如大于设定的阈值时，则认为磁钢感应不准导致车速误差大，进而在上述视频图像检测模块测得的车速 中搜集 接近t的车速，并按时间根据前后车速进行插值得到修正后的车速。

[0102] 控制处理模块50还用于根据各帧图像中检测到的每个车轮轴承在探测区间中间位置的时刻 在轴温波形序列中搜索各轴温波形中心的时刻与之相近轴温波形，判断这两个时刻之间的偏差是否在设定阈值范围内，如超出设定的阈值范围，则以相应时刻 为h基准，按车轮轴承检测模块测得的车速对各车轮轴承的温度与采集时间t形成的绑定数据进行重新采样，将采样结果更新至最终标准轴温波形序列。

[0103] 控制处理模块50还能够根据采集到的各帧图像，通过对车轮、轴承以及周围环境进行识别，判断是否为影响轴温探测的车型和环境。

[0104] 其中，采用深度学习分类网络对采集到的各帧图像进行分类处理，例如VGG、ResNet、MobileNet等。所述分类处理的依据为预设的若干标签。例如，具体分类标签可按车型、轴承是否有遮挡、是否阳光直射、反射、是否为抱闸车等各类情况设置。此外，也可以在上述车轮和轮轴检测网络中按标签训练多类检测网络来直接实现检测和分类。如此，有利于克服环境因素对轴温探测造成的影响。h h

[0105] 此外，控制处理模块50还能够根据采集时间t ，在各帧图像中搜索 接近t的图像及其轴承和环境识别结果，作为图像数据绑定至所述标准轴温波形序列，形成最终探测结果数据包。

[0106] 同时，控制处理模块50识别所述最终探测结果数据包中的图像数据，并在识别到存在异常探测或漏探情况时进行报警。如此，以提示操作人员确认是否存在异常或漏探情况，以便进行后续相关处理。

[0107] 综上所述，本发明能够实现列车车轮及轴承的视频采集，并能够对其中车轮及轴承的图像进行检测，将检测得到的图像数据和测温数据进行对齐，可直接观察每个轴承测量的实际情况，提高测温结果的稳定性和准确性，进而克服现有技术中测温数据受外部因素影响不准确的问题。此外，本发明还能够对各轴承抓拍图像进行识别，自动判断出影响轴温探测的车型和环境，实现异常数据主动报警。

[0108] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

[0109] 此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。