铁路线路智能巡检系统的设计

随着铁路高速、重载化的快速发展,传统的人工巡道方式越来越不能满足线路日常检查的需要,铁路线路智能巡检系统采用计算机技术、数字摄像技术、机器视觉技术和新光源等技术,实现了计算机自动识别线路钢轨、轨枕、扣件存在的故障,自动判别钢轨垫板的厚度,为提高线路质量、保障运输安全、减轻职工的劳动强度、铁路减员增效提供了新的手段.     

基于深度学习的输电线路绝缘子目标增强识别研究

绝缘子作为特殊绝缘控件,在架空输电线路中起重要作用,也是电力巡检重点检测对象。对比传统的人工巡检,基于深度学习的智能巡检方法拥有更快速、更精确的检测性能,可大幅提高输电线路巡检效率,然而可用于深度学习训练的绝缘子图像十分稀缺。本文研究灰度变换、滤波降噪、几何变换多种图像增强方法对绝缘子图像进行不同组合的图像扩充,并采用SSD检测模型进行图像训练与测试。经过多组试验对比,针对绝缘子数据集提出最优图像增强组合方法,可用于改善绝缘子图像稀缺、模型训练数据不足的问题,从而进一步提高绝缘子的检测效果。     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构.经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模...     

基于并行多任务深度学习的铁路主要技术标准优选

铁路主要技术标准是铁路全生命周期最重要的先决技术决策之一.传统的基于经验驱动的决策方法工作量大、周期长、严重依赖设计者的经验水平、可能遗漏有价值的方案.而主要技术标准优选的关键在于揭示多维环境因素与主要技术标准值之间的潜在映射关系.受深度学习在规律特征识别方面成功应用的启发,提出基于并行多任务深度学习的铁路主要技术标准...     

基于级联滤波器深度学习的铁路安检人脸识别与验证研究

使用传统的全联通卷积神经网络（CNN）进行人脸识别和验证存在测试时间长、识别率低的问题。通过在铁路安检中使用多层（非线性）级联滤波器进行全向的抗噪声人脸识别与验证,提出一种基于级联滤波器深度学习的人脸识别和验证方法。与使用优化的全联通CNN相比,级联滤波器应用非线性阈值函数能有效提高滤波识别准确率和缩短识别时间。实验结果表明,这种结构可以级联以形成多层级联滤波器,平均识别率优于全联通CNN 8%以上,并在识别效率上提高3倍以上。最后,给出两层级联滤波器在人脸识别和验证中的性能,为铁路安检中的身份验证提供了理论支持。     

基于工业物联网架构的铁路数据中心智能巡检系统

针对铁路数据中心人工巡检工作存在的问题,文章设计了基于工业物联网架构的铁路数据中心智能巡检系统,介绍了该系统的设计架构和关键技术,实现了数据中心智能化、自动化、可视化巡检。该系统提高了巡检效率和质量,提升了铁路数据中心运维工作的技术水平。     

基于机器视觉的地铁主动式障碍物检测系统

针对现有异物入侵检测模型参数多、实时性差等问题,文章提出一种新型地铁主动式障碍物检测系统。首先通过使用稀疏化和通道剪枝的方法,得到轻量级YOLOv3异物检测模型,然后使用HSV、Lab颜色空间中的亮度通道辅助边缘检测,并进行透视变换处理,提取轨道可通行区域,最后基于PyQt5开发了主动式轨道障碍物检测系统。该系统已在地铁电客车上进行了验证,可实现障碍物检测及异物入侵报警等功能。     

基于深度学习的液位仪表读数识别方法研究

变电站对高铁安全运行至关重要,为准确获取高铁变电站液位仪表的准确读数,基于YOLOX-S提出KN-YOLOX-S深度学习网络模型。在骨干网络中,引入Ghost卷积代替传统卷积层,降低网络的参数量和计算量,实现模型的轻量化;在SPPBotteneck模块中增加KNSE注意力模块,提高网络对空间信息的敏感度,增强有效特征信息的提取能力。实验表明,KN-YOLOX-S比YOLOX-S模型在mAP@0.50上提高0.4%,mAP@0.5:0.95提高0.54%,同时推理速度提高近2倍,满足高铁变电站液位表实时检测要求。     

基于深度学习的接触网鸟巢异物识别研究

随着中国高速铁路里程的迅速增长,接触网安全稳定运营面临巨大压力,对其进行视频监控具有重要意义.针对影响电气化铁路接触网正常工作的鸟巢异物进行研究,提出一种基于深度学习的鸟巢异物检测方法,首先利用最邻近插值法进行图像缩放,然后采用双边滤波算法对图像进行去噪,进而用直方图均衡化算法进行图像增强.通过将YOLO v3与Fas...     

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...     

基于深度学习的铁路客站视频融合智能监控系统的图像处理优化技术研究

针对复杂铁路客站现场全景视频高维特征缺乏、融合匹配不准确等问题,提出一种基于深度学习的铁路客站视频融合智能监控系统的图像处理优化技术。文章通过尺度不变特征变换算法检测出图像关键点,利用卷积神经网络进行高维特征提取,对错配点使用随机抽样一致性算法进行剔除,并对虚影问题进行了优化以获得更好的细节效果。提出的图像处理优化技术已应用于连云港—镇江高速铁路扬州东站。应用结果表明,该技术能有效防止图片失真,获得更好的拼接效果。     

城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究

为了降低通信延迟对城际铁路列车运行控制的影响,利用通信控制服务器（CCS）积累的车-地GSM-R消息延迟时间历史数据,形成延迟时间估计的算法框架。采用递归神经网络,结合无线传输数据包大小与延迟时间的关系,并使用规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效地估计无线传输延迟时间,解决统计分析方法带来精确度不高的问题,为车地通信消息有效性的精确判断提供依据。     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

铁路货车综合检测系统

介绍武汉利德测控技术有限公司研制的铁路货车超偏载仪，超限装置，车号识别系统“三位一体”的综合测量系统的原理，结构，主要技术参数以及系统的通讯方式。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

铁路信号机房智能巡检系统设计

针对铁路信号机房设备人工巡检作业效率低、设备异常检测准确性难以保证、故障处理效率低、现场作业人员缺乏技术支持和安全控制等问题,文章设计了铁路信号机房智能巡检系统。系统由机房智能巡检设备、数据中心设备和维修终端设备构成;机房智能巡检设备采用轨道式巡检机器人,可依据巡检计划自动执行巡检作业,采集视频/图像和温度等监测数据并上传至数据中心设备;数据中心设备采用智能视频/图像分析技术,自动识别设备指示灯,据此判断设备是否出现异常;当检测到异常时,维修终端设备立即向调度员报警。在实现日常巡检作业无人化、达到减员增效目标的基础上,该系统借助巡检机器人的视频监控和语音通话功能,辅助信号维修人员进行远程故障检查,为现场作业人员提供远程指导,验证现场作业人员身份,监督其作业过程,增强信号机房现场作业安全管控。     

铁路基础设施检测数据资产管理体系研究

实现海量、多源、异构检测数据的高效归集、安全存储、质量管控和安全共享是铁路基础设施检测亟需解决的重要问题。文章结合铁路基础设施检测业务特点,提出了铁路基础设施检测数据资产管理体系的建设目标,并对体系架构进行研究和设计,详细阐述了体系架构中的4个管理过程域,为实现铁路综合检测数据“采集—传输—存储—治理—共享”全生命周期的资产化管理提供支撑。