高速鐵路漏泄同軸電纜智能檢測(cè)系統(tǒng)

陳小平

當(dāng)前，我國(guó)鐵路開始向信息化、智能化、智慧化方向發(fā)展［1］。智能鐵路的目標(biāo)為借助新信息通信技術(shù)與鐵路行業(yè)的深度融合，實(shí)現(xiàn)鐵路運(yùn)輸調(diào)度指揮、生產(chǎn)作業(yè)、養(yǎng)護(hù)維修等各領(lǐng)域的智能化［2］。智能鐵路的特征在于，通過對(duì)鐵路運(yùn)輸系統(tǒng)中移動(dòng)設(shè)備與固定設(shè)施等的全面感知，借助多種通信網(wǎng)絡(luò)方式實(shí)現(xiàn)泛在互聯(lián)，對(duì)感知的數(shù)據(jù)進(jìn)行融合處理和主動(dòng)學(xué)習(xí)，最終支撐科學(xué)決策。

其中，鐵路軌旁設(shè)備設(shè)施故障的智能檢測(cè)及健康管理是實(shí)現(xiàn)智能鐵路，保障鐵路運(yùn)輸安全的重要組成部分。在GSM-R系統(tǒng)及450 MHz無線列調(diào)系統(tǒng)中，為解決鐵路多彎處、隧道群、長(zhǎng)大隧道及山區(qū)等弱場(chǎng)強(qiáng)或無場(chǎng)強(qiáng)區(qū)域的信號(hào)覆蓋問題，多采用直放站+漏纜的建設(shè)方式，漏纜可以為這些區(qū)段提供穩(wěn)定的無線信號(hào)覆蓋，在目前的高鐵線路及既有線中得到大量運(yùn)用，因此，漏纜質(zhì)量是保障鐵路無線通信系統(tǒng)能否正常工作的關(guān)鍵。

漏纜在隧道中通常采用壁掛敷設(shè)方式，通過卡具將漏纜固定在隧道壁上［3］，但列車，尤其是高速鐵路列車在隧道內(nèi)行駛時(shí)產(chǎn)生的能量波會(huì)對(duì)漏纜卡具產(chǎn)生振動(dòng)和沖擊，隧道內(nèi)潮濕的自然環(huán)境也會(huì)腐蝕漏纜卡具，這些因素都會(huì)造成漏纜卡具的松動(dòng)、脫落，甚至斷裂，嚴(yán)重影響高鐵正常運(yùn)行［4］。

按照當(dāng)前鐵路運(yùn)維管理規(guī)定，鐵路沿線漏纜以月為單位進(jìn)行巡檢，主要采用人工徒步巡檢方式，存在作業(yè)效率低、作業(yè)難度大、作業(yè)質(zhì)量難以保障、安全風(fēng)險(xiǎn)大等問題。首先，對(duì)于高速鐵路來說，作業(yè)主要集中在“維修天窗”時(shí)間段內(nèi)執(zhí)行，“維修天窗”一般在凌晨之后，作業(yè)時(shí)間短，巡檢作業(yè)效率低；其次，夜間作業(yè)光線條件差，巡檢人員作業(yè)難度大，通過肉眼難以發(fā)現(xiàn)故障，且由于不同巡檢人員因自身知識(shí)水平和經(jīng)驗(yàn)的差異，對(duì)漏纜故障的判斷能力不同，容易出現(xiàn)漏判、誤判等；最后，該方式對(duì)人身安全和列車運(yùn)行安全也造成了很大的壓力。

針對(duì)人工巡檢存在的弊端，目前鐵路部門開展了相關(guān)研究，例如：采用車載式檢測(cè)手段［5］，但存在需要改裝檢測(cè)車、對(duì)高速適應(yīng)性差、故障智能識(shí)別能力低等問題［6-7］。因此，需要研究一種全新的車載式檢查方式，并結(jié)合最新的圖像采集與智能檢測(cè)技術(shù)，進(jìn)一步提升漏纜檢測(cè)的便利性和可實(shí)施性，以便大范圍推廣，全面提升漏纜檢測(cè)水平，為漏纜的全生命周期管理打下基礎(chǔ)。本文研發(fā)了適用于高速鐵路的漏泄同軸電纜智能檢測(cè)系統(tǒng)，通過運(yùn)用圖像采集、壓縮處理、智能檢測(cè)等關(guān)鍵技術(shù)，實(shí)現(xiàn)對(duì)漏纜的智能圖像檢測(cè)，提高運(yùn)維管理水平和效率。

1 漏泄同軸電纜智能檢測(cè)系統(tǒng)功能與架構(gòu)

適用于高速鐵路的漏泄同軸電纜智能檢測(cè)系統(tǒng)包括車載采集子系統(tǒng)和地面數(shù)據(jù)分析中心兩部分。其中，車載采集子系統(tǒng)為一套便攜式檢測(cè)系統(tǒng)，安裝在高鐵動(dòng)檢車車廂玻璃內(nèi)側(cè)，借助高速低照度工業(yè)相機(jī)實(shí)現(xiàn)漏纜的圖像采集，可以同時(shí)采集專網(wǎng)漏纜與公網(wǎng)漏纜圖像。地面數(shù)據(jù)分析中心通過引入深度學(xué)習(xí)等智能圖像識(shí)別算法自動(dòng)識(shí)別和提取漏纜的各種故障狀態(tài)信息，并輔以人工確認(rèn)，判斷各類故障，提高故障判別的可靠性。系統(tǒng)可以檢測(cè)鐵路沿線專網(wǎng)與公網(wǎng)漏纜及其附屬件的松動(dòng)、脫落、斷裂等故障狀態(tài)。

1.1 車載采集子系統(tǒng)

如圖1所示，車載采集子系統(tǒng)由圖像采集存儲(chǔ)單元、圖像采集控制單元及激光測(cè)距模塊、高亮補(bǔ)光單元等構(gòu)成。其中，圖像采集存儲(chǔ)單元包括高速低照度工業(yè)相機(jī)、圖像壓縮模塊和圖像存儲(chǔ)模塊。通過大容量FPGA，將這些功能集成在一起，實(shí)現(xiàn)設(shè)備的小型化和輕量化。

圖1 車載采集子系統(tǒng)構(gòu)成

1.1.1 高速低照度工業(yè)相機(jī)

系統(tǒng)選配的高速低照度工業(yè)相機(jī)附帶2個(gè)鏡頭，其中一個(gè)焦距為35 mm，另一個(gè)焦距為50 mm，分別適用于拍攝公網(wǎng)漏纜及專網(wǎng)漏纜。圖像采集傳感器主體為CMOS傳感器，并且對(duì)感光性能進(jìn)行了優(yōu)化，適合在隧道等黑暗環(huán)境成像。低照度相機(jī)的分辨率為2048×2048，采集幀率可達(dá)100 fps，可滿足速度不高于350 km/h的采集作業(yè)要求。

1.1.2 圖像壓縮模塊

根據(jù)上述高速低照度工業(yè)相機(jī)的分辨率，如果按照動(dòng)檢車350 km/h的運(yùn)行速度，需要達(dá)到80 fps的速度才能保證不漏拍，這樣每秒產(chǎn)生的原始數(shù)據(jù)量將達(dá)到320 MB，如果不進(jìn)行壓縮，數(shù)據(jù)量非常驚人。因此，圖像壓縮模塊采用實(shí)時(shí)JPEG壓縮技術(shù)［8］，可以達(dá)到1∶20的壓縮率，將數(shù)據(jù)率降低到20 MB/s以下。

1.1.3 圖像存儲(chǔ)模塊

圖像存儲(chǔ)模塊負(fù)責(zé)存儲(chǔ)壓縮后生成的JPEG數(shù)據(jù)，為了滿足便攜式要求，系統(tǒng)采用嵌入式存儲(chǔ)方案，即通過FPGA將壓縮后的數(shù)據(jù)實(shí)時(shí)保存在數(shù)據(jù)硬盤上，拍攝完成后將圖像導(dǎo)出，轉(zhuǎn)儲(chǔ)到數(shù)據(jù)中心。

1.1.4 圖像采集控制單元

圖像采集控制單元由光源相機(jī)同步控制、光源供電及驅(qū)動(dòng)、隧道探測(cè)處理模塊3部分組成。圖像采集控制單元采用AC220V供電方式，為整套系統(tǒng)提供電源。圖像采集控制單元通過處理激光測(cè)距模塊的數(shù)據(jù)，判定隧道是否到來，根據(jù)隧道定位信息控制圖像的采集和LED的閃亮，為光源和相機(jī)提供同步信號(hào)。

1.1.5 高亮補(bǔ)光單元

高亮補(bǔ)光單元包括4組高亮頻閃光源陣列，瞬時(shí)功率可到1000 W，平均功率低于5 W。通過與激光測(cè)距模塊結(jié)合，在隧道內(nèi)才開始閃光，出隧道后不再閃光，相機(jī)也不再拍攝圖像，大大降低了功耗。

1.1.6 定位裝置

系統(tǒng)采用GPS定位裝置與激光測(cè)距模塊相結(jié)合的方式實(shí)現(xiàn)對(duì)隧道的準(zhǔn)確定位。由于補(bǔ)光單元是高功率器件，不能長(zhǎng)時(shí)間開啟，需要在進(jìn)入隧道時(shí)才開啟，因此，定位裝置將隧道定位信息傳輸?shù)綀D像采集控制單元，由圖像采集控制單元控制高亮補(bǔ)光單元的開關(guān)時(shí)間。

1.1.7 配套裝置

配套裝置包括安裝支架及便攜式包裝箱，便攜式檢測(cè)裝置安裝在高鐵列車車窗玻璃上，通過采用高能吸盤，可以將設(shè)備穩(wěn)穩(wěn)吸附在玻璃上。一體機(jī)、光源、激光測(cè)距模塊等都安裝在支架上，總體重量可以控制在3 kg以內(nèi)，整體牢靠。同時(shí)，根據(jù)各個(gè)功能模塊的尺寸大小專門設(shè)計(jì)制作了包裝箱，可以將所有模塊都放置在包裝箱中，包裝箱內(nèi)采取了防震及便于拖拉手段，極大地方便了攜帶。

1.2 地面數(shù)據(jù)分析中心

地面數(shù)據(jù)分析中心由GPU工作站、計(jì)算服務(wù)器、存儲(chǔ)服務(wù)器、大容量磁盤陣列、交換機(jī)和監(jiān)測(cè)終端等構(gòu)成，見圖2。

圖2 地面數(shù)據(jù)分析中心

1.2.1 硬件構(gòu)成

地面數(shù)據(jù)分析中心中，計(jì)算服務(wù)器負(fù)責(zé)圖像存儲(chǔ)與回放、檢查員復(fù)核、統(tǒng)計(jì)分析等功能。GPU工作站負(fù)責(zé)針對(duì)車載采集圖像進(jìn)行智能圖像處理。存儲(chǔ)服務(wù)器和大容量磁盤陣列用于數(shù)據(jù)存儲(chǔ)。通過路局?jǐn)?shù)據(jù)網(wǎng)，可將GPU工作站的運(yùn)行結(jié)果發(fā)送給位于電務(wù)段的各個(gè)監(jiān)測(cè)終端，實(shí)現(xiàn)智能監(jiān)控。監(jiān)測(cè)終端供養(yǎng)護(hù)維修人員使用，可提供采集圖像回放、人工輔助確認(rèn)故障等功能。

1.2.2 主要軟件功能

1）圖像存儲(chǔ)與回放。由計(jì)算服務(wù)器、存儲(chǔ)服務(wù)器、磁盤陣列等負(fù)責(zé)圖像存儲(chǔ)與回放，存儲(chǔ)容量按3個(gè)月時(shí)長(zhǎng)考慮，圖像回放時(shí)支持對(duì)圖像的亮度、色度、對(duì)比度和飽和度的動(dòng)態(tài)調(diào)整。

2）智能圖像處理。智能圖像處理是地面數(shù)據(jù)分析中心的關(guān)鍵功能，用于實(shí)現(xiàn)設(shè)備故障檢測(cè)。目前業(yè)內(nèi)主要采用深度學(xué)習(xí)算法實(shí)現(xiàn)設(shè)備故障檢測(cè)［9-10］，本研究采用了基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，并結(jié)合地面臺(tái)賬數(shù)據(jù)和車載定位信息，實(shí)現(xiàn)設(shè)備缺陷自動(dòng)研判及自動(dòng)預(yù)警，對(duì)檢測(cè)結(jié)果進(jìn)行人工復(fù)核后形成檢測(cè)報(bào)告，將相關(guān)數(shù)據(jù)分類歸檔，實(shí)現(xiàn)檢修有源可溯、有據(jù)可查。

通過車載采集子系統(tǒng)采集高精度圖像，進(jìn)行學(xué)習(xí)樣本的標(biāo)定、訓(xùn)練以及檢測(cè)試驗(yàn)，不斷地訓(xùn)練和優(yōu)化故障/缺陷檢測(cè)模型，得到網(wǎng)絡(luò)模型后，系統(tǒng)可以基于故障檢測(cè)模型自動(dòng)研判漏纜故障情況，并輸出結(jié)果。智能圖像處理流程見圖3。

圖3 智能圖像處理流程

2 關(guān)鍵技術(shù)

2.1 隧道自動(dòng)定位

由于漏纜具有不連續(xù)性，為避免對(duì)高亮光源的浪費(fèi)以及拍攝無效圖片，系統(tǒng)通過GPS定位裝置與激光測(cè)距模塊等方式聯(lián)合實(shí)現(xiàn)隧道定位，只有在列車進(jìn)入隧道時(shí)才啟動(dòng)圖像拍攝。首先，系統(tǒng)會(huì)記錄線路起始公里標(biāo)，并結(jié)合列車速度估算列車當(dāng)前的公里標(biāo)位置信息，隨著時(shí)間的累積會(huì)出現(xiàn)一定的誤差，結(jié)合特定地點(diǎn)GPS與公里標(biāo)的對(duì)應(yīng)關(guān)系，對(duì)公里標(biāo)信息進(jìn)行校正，檢測(cè)系統(tǒng)公里標(biāo)校正方法見圖4。當(dāng)檢測(cè)系統(tǒng)判斷列車即將進(jìn)入某個(gè)隧道時(shí)，啟動(dòng)激光測(cè)距模塊進(jìn)行測(cè)算，激光測(cè)距模塊利用激光對(duì)目標(biāo)的距離進(jìn)行準(zhǔn)確測(cè)定，當(dāng)判斷與目標(biāo)的距離約等于高鐵列車車窗與隧道壁之間的距離時(shí)啟動(dòng)高亮光源，并進(jìn)行圖像拍攝和存儲(chǔ)；當(dāng)判斷與目標(biāo)的距離大于高鐵列車車窗與隧道壁之間的距離一定數(shù)值時(shí)，認(rèn)為列車已經(jīng)駛出隧道，關(guān)閉高亮光源。對(duì)于連續(xù)隧道群之間的漏纜，結(jié)合GPS定位裝置進(jìn)行位置判斷，由圖像采集控制單元進(jìn)行圖像拍攝控制。

圖4 檢測(cè)系統(tǒng)公里標(biāo)校正方法

2.2 高精度圖像采集

漏泄同軸電纜智能檢測(cè)系統(tǒng)需要在高速運(yùn)行的列車上獲取軌旁漏纜圖像。為減少圖像采集誤差，系統(tǒng)采用了支持高清晰度和分辨率的面陣相機(jī)采集圖像，并對(duì)圖像進(jìn)行增強(qiáng)，對(duì)由于運(yùn)動(dòng)造成的圖像模糊與畸變進(jìn)行校正，解決由于車速高、車體振動(dòng)、定位偏差，大視場(chǎng)大景深等帶來的問題，為卡具故障識(shí)別打好基礎(chǔ)。同時(shí)，根據(jù)現(xiàn)場(chǎng)實(shí)際情況安裝照明設(shè)備，采用大功率頻閃燈作為補(bǔ)償光源，保證軌旁設(shè)備視場(chǎng)處于高亮度、高均勻度的光源條件下，解決由于運(yùn)動(dòng)導(dǎo)致圖像模糊的問題。

2.3 圖像數(shù)據(jù)壓縮與存儲(chǔ)

高速鐵路列車運(yùn)行時(shí)速一般在250 km以上，所拍漏纜圖像數(shù)據(jù)之間具有較高的冗余度，因此本系統(tǒng)采用了圖像壓縮技術(shù)，綜合考慮壓縮算法的壓縮率和圖像清晰度要求，選用了JPEG壓縮技術(shù)。

JPEG標(biāo)準(zhǔn)中定義了2種基本壓縮算法：基于DCT變換的有失真壓縮算法和基于空間預(yù)測(cè)編碼DPCM的無失真壓縮算法。前者實(shí)現(xiàn)較為復(fù)雜，可以得到高質(zhì)量的壓縮圖像；后者實(shí)現(xiàn)較為簡(jiǎn)單，但壓縮質(zhì)量也較低。綜合考慮檢測(cè)性能及成本等要求，系統(tǒng)選用了基于DCT變換的有失真壓縮算法。同時(shí)，考慮到盡量減小系統(tǒng)體積與功耗，便于作業(yè)人員攜帶，采用了基于FPGA的嵌入式存儲(chǔ)方案實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)，大大提升了設(shè)備的便攜性。

2.4 漏纜故障識(shí)別算法

漏纜故障識(shí)別算法主要實(shí)現(xiàn)對(duì)漏纜及卡具的定位和故障識(shí)別。由于漏纜的光線條件變化不一，采用傳統(tǒng)的識(shí)別算法難以應(yīng)對(duì)復(fù)雜多變的情況，因此，采用基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分割算法實(shí)現(xiàn)對(duì)漏纜的定位，再通過SSD目標(biāo)檢測(cè)算法實(shí)現(xiàn)對(duì)卡具的精確定位和故障識(shí)別。

其中，漏纜定位采用語(yǔ)義分割算法。語(yǔ)義分割算法與一般的目標(biāo)檢測(cè)算法不同，一般的目標(biāo)檢測(cè)算法只需初步確定目標(biāo)的位置，判斷出目標(biāo)的類別即可，而語(yǔ)義分割算法是將圖像的每個(gè)像素進(jìn)行分類，預(yù)測(cè)圖像中每個(gè)像素的類別，從而檢測(cè)出目標(biāo)的位置。語(yǔ)義分割算法需要獲得原始數(shù)據(jù)進(jìn)行標(biāo)注，與目標(biāo)檢測(cè)標(biāo)注框不同，語(yǔ)義分割標(biāo)注結(jié)果是帶有像素信息的PNG圖片。標(biāo)注完成之后，將原始圖片與標(biāo)注數(shù)據(jù)送入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)損失函數(shù)降到一定程度后終止訓(xùn)練，導(dǎo)出網(wǎng)絡(luò)模型，用于未知圖片的目標(biāo)檢測(cè)。經(jīng)過上述訓(xùn)練得到適用于漏纜檢測(cè)的神經(jīng)網(wǎng)絡(luò)模型，送入待檢測(cè)的漏纜圖片，模型可自動(dòng)檢測(cè)出漏纜位置。

實(shí)現(xiàn)漏纜定位后，采用SSD目標(biāo)檢測(cè)算法實(shí)現(xiàn)對(duì)卡具的定位、分類和故障識(shí)別。目標(biāo)檢測(cè)算法一般分為基于區(qū)域的檢測(cè)算法（包括RCNN、Fast RCNN、Faster RCNN等）以及基于回歸的檢測(cè)算法（包括YOLO等）。其中，前者檢測(cè)精度較高，但檢測(cè)速度慢；后者檢測(cè)速度快，但精度不高。SSD算法則兼具以上2類算法的優(yōu)勢(shì)，既采用了基于回歸的模式，同時(shí)也利用了基于區(qū)域的概念，其主網(wǎng)絡(luò)為VGG16，檢測(cè)精度可以達(dá)到83%。

3 系統(tǒng)特點(diǎn)及運(yùn)用效果

適用于高速鐵路的漏泄同軸電纜智能檢測(cè)系統(tǒng)具備便攜、支持250～350 km/h高速鐵路場(chǎng)景、無需對(duì)車輛進(jìn)行改造、圖像自動(dòng)采集、故障自動(dòng)檢測(cè)等特點(diǎn)；圖像采集精度高，可達(dá)1像素/mm2；通過隧道探測(cè)定位裝置、高精度圖像采集、圖像壓縮與存儲(chǔ)等技術(shù)實(shí)現(xiàn)車載圖像的采集與處理。地面數(shù)據(jù)分析中心借助智能圖像處理技術(shù)對(duì)鐵路沿線漏纜及配屬件進(jìn)行狀態(tài)模式識(shí)別，故障判別率遠(yuǎn)高于人工肉眼巡視。

該系統(tǒng)在廣州局集團(tuán)公司管內(nèi)衡柳線、廈深線、南廣鐵路、武廣客專和廣深港高鐵已得到應(yīng)用，車載采集子系統(tǒng)采用便攜式安裝方式，如圖5所示，無需對(duì)車輛進(jìn)行改造，大大提高了系統(tǒng)的可用性。

圖5 漏纜智能圖像采集裝置安裝示意圖

4 結(jié)束語(yǔ)

適用于高速鐵路的漏泄同軸電纜智能檢測(cè)系統(tǒng)采用便攜式安裝設(shè)計(jì)方式，支持對(duì)高速鐵路場(chǎng)景下隧道漏纜圖像的采集，圖像采集精度高，使用便利，大大提高了作業(yè)效率，降低了作業(yè)難度，提升了作業(yè)質(zhì)量，有效保障了一線作業(yè)人員的人身安全與列車運(yùn)行安全，對(duì)改善鐵路漏纜檢測(cè)作業(yè)現(xiàn)狀和提高漏纜檢測(cè)作業(yè)管理水平具有重大意義。該系統(tǒng)建成投入運(yùn)用后，將積累越來越多的數(shù)據(jù)，為后續(xù)實(shí)現(xiàn)基于人工智能、大數(shù)據(jù)的鐵路電務(wù)軌旁設(shè)備健康管理創(chuàng)造良好條件，將有力支撐智能鐵路的發(fā)展。