鐵路貨車裝載加固狀態(tài)智能檢測(cè)系統(tǒng)的研發(fā)與應(yīng)用

于忠寧，曹偉華

(山東高速軌道交通集團(tuán)有限公司，山東 濟(jì)南 250101)

山東高速軌道交通集團(tuán)有限公司(以下簡(jiǎn)稱“山東高速公司”)管內(nèi)裝卸車作業(yè)集中的龍口港站，現(xiàn)場(chǎng)作業(yè)環(huán)境惡劣，勞動(dòng)強(qiáng)度大，安全風(fēng)險(xiǎn)高。山東高速公司結(jié)合貨檢管理和作業(yè)情況，遵循“科技保安全”及“智能化減員增效”理念，以確保安全為前提，以提高效率為目標(biāo)，從設(shè)備保障、信息支撐、規(guī)章依據(jù)、專業(yè)強(qiáng)化、環(huán)境改善、試點(diǎn)探索等方面，不斷探索鐵路貨運(yùn)安全智能化管控可行性。

為改善檢車人員工作環(huán)境，減少室外作業(yè)人員，2017年起山東高速公司利用線陣相機(jī)成像技術(shù)、自動(dòng)控制技術(shù)、圖像處理技術(shù)、傳感技術(shù)等，探索研發(fā)了鐵路貨車智能監(jiān)控系統(tǒng)并投入使用。2019年具備由現(xiàn)場(chǎng)檢查轉(zhuǎn)到室內(nèi)檢查的條件，分批將原車站現(xiàn)場(chǎng)作業(yè)的貨檢人員撤至站內(nèi)利用電腦圖像進(jìn)行檢車作業(yè)。2020年進(jìn)一步完善系統(tǒng)，利用圖像仿生識(shí)別深度學(xué)習(xí)算法，對(duì)通過車輛數(shù)據(jù)圖像實(shí)時(shí)進(jìn)行智能識(shí)別、分析、篩選，并將分析結(jié)果中疑似故障圖像推送到車站動(dòng)檢室內(nèi)監(jiān)控終端，供值班人員復(fù)核，進(jìn)而降低貨運(yùn)人員工作量，整套系統(tǒng)構(gòu)成新的貨車裝載加固狀態(tài)智能檢測(cè)系統(tǒng)。

1 系統(tǒng)組成

1.1 硬件

貨車裝載加固狀態(tài)智能檢測(cè)系統(tǒng)(以下簡(jiǎn)稱“智能檢測(cè)系統(tǒng)”)前端硬件主要由集中控制器、軌道車輪傳感器、環(huán)境光線傳感器、線陣相機(jī)、線陣照明、車號(hào)識(shí)別主機(jī)及天線、網(wǎng)絡(luò)傳輸設(shè)備、圖像采集處理服務(wù)器、圖像智能識(shí)別服務(wù)器、檢車工作站、UPS電源等組成(圖1)。

圖1 系統(tǒng)室外硬件連接圖

1.1.1 集中控制器

集中控制器為整個(gè)系統(tǒng)的控制核心，主要功能是實(shí)時(shí)獲取軌道車輪傳感器、環(huán)境光線傳感器的數(shù)據(jù)并進(jìn)行計(jì)算分析，得出列車運(yùn)行方向、車速及相機(jī)曝光時(shí)間等數(shù)據(jù)，控制線陣相機(jī)的拍攝、線陣光源的電源通斷及車號(hào)識(shí)別裝置射頻開關(guān)，并與服務(wù)器進(jìn)行通信，控制采集軟件進(jìn)行采集。

集中控制器采用ATMEL-AVR單片機(jī)方案進(jìn)行設(shè)計(jì)，具有4路磁電傳感器輸入接口、4路線陣相機(jī)幀信號(hào)和行信號(hào)控制接口、4路繼電器接口、1路I2C串行總線接口、2路RS485接口和1路RS232接口，另外具有傳感器故障自動(dòng)判斷功能和列車接近語音報(bào)警功能，片內(nèi)固件為自主編程，支持固件通過RS485/RS232接口進(jìn)行遠(yuǎn)程下載。

1.1.2 線陣相機(jī)

線陣相機(jī)選用Dalsa方案的彩色線陣相機(jī)，使用外部幀信號(hào)和行信號(hào)進(jìn)行觸發(fā)，可利用智能控制器輸出的行信號(hào)的脈沖占空比調(diào)節(jié)圖像曝光度。

1.1.3 軌道車輪傳感器

軌道車輪傳感器采用無源磁電傳感器，當(dāng)車輪從不同方向經(jīng)過時(shí)能夠產(chǎn)生不同波形的信號(hào)，以區(qū)別列車上下行和車速、軸數(shù)數(shù)據(jù)。

1.2 軟件

軟件部分主要由中心智能控制軟件、圖像采集處理軟件、圖像智能識(shí)別軟件、人工檢車軟件等組成。

中心智能控制軟件負(fù)責(zé)與現(xiàn)場(chǎng)集中控制器進(jìn)行通信和控制，設(shè)置各種參數(shù)和拍照測(cè)試，并根據(jù)環(huán)境光線情況控制圖像采集處理軟件對(duì)圖像進(jìn)行色彩修正。

圖像采集處理軟件負(fù)責(zé)將相機(jī)回傳的圖像信號(hào)按車位進(jìn)行存儲(chǔ)和根據(jù)中心智能控制軟件的指令進(jìn)行色彩修正。

圖像智能識(shí)別軟件對(duì)通過車輛數(shù)據(jù)圖像實(shí)時(shí)進(jìn)行智能識(shí)別、分析、篩選，并將分析結(jié)果中疑似故障圖像進(jìn)行自動(dòng)標(biāo)記后推送到車站動(dòng)檢室內(nèi)監(jiān)控終端，供值班人員復(fù)核，進(jìn)而降低貨運(yùn)人員工作量。

2 系統(tǒng)架構(gòu)和工作流程

檢測(cè)系統(tǒng)架構(gòu)如圖2所示。

圖2 檢測(cè)系統(tǒng)架構(gòu)

在軌道上，按上下行方向分別安裝開機(jī)測(cè)速傳感器和計(jì)軸控制傳感器共4個(gè)軌道車輪傳感器。

當(dāng)列車通過時(shí),即列車車輪接近測(cè)速傳感器時(shí),傳感器將傳感信號(hào)發(fā)送至集中控制器。集中控制器識(shí)別列車運(yùn)行方向，列車接近時(shí)，先后開啟線陣照明系統(tǒng)、車號(hào)識(shí)別系統(tǒng)，發(fā)送指令至圖像采集系統(tǒng)，圖像采集系統(tǒng)進(jìn)入采集狀態(tài)。同時(shí)，集中控制器根據(jù)傳感器信號(hào)，計(jì)算出列車運(yùn)行速度、第一節(jié)車廂是否為機(jī)車等信息并發(fā)送至圖像采集系統(tǒng)。

列車?yán)^續(xù)運(yùn)行，通過計(jì)軸控制傳感器時(shí)，傳感器將傳感信號(hào)發(fā)送至集中控制器。集中控制器根據(jù)列車運(yùn)行速度計(jì)算掃描速度，以每節(jié)車廂為單位，向3個(gè)線陣相機(jī)發(fā)送幀脈沖信號(hào)和獨(dú)立占空比的行脈沖信號(hào)，控制線陣相機(jī)進(jìn)行同步曝光。線陣相機(jī)將掃描到的圖像數(shù)據(jù)發(fā)送至服務(wù)器采集系統(tǒng)，由圖像采集系統(tǒng)按左側(cè)、頂部、右側(cè)3路進(jìn)行圖像采集保存。

同時(shí)，車號(hào)識(shí)別系統(tǒng)將列車通過時(shí)的車號(hào)數(shù)據(jù)發(fā)送至服務(wù)器，由中心智能控制軟件對(duì)圖像和車號(hào)數(shù)據(jù)進(jìn)行同步記錄。中心智能控制軟件可判斷第一節(jié)機(jī)車有無車號(hào)標(biāo)簽數(shù)據(jù)，如沒有標(biāo)簽數(shù)據(jù)，生成空白車號(hào)與圖像進(jìn)行匹配。

系統(tǒng)控制機(jī)柜外側(cè)安裝有環(huán)境光線感應(yīng)器,與集中控制系統(tǒng)連接。列車通過過程中集中控制系統(tǒng)根據(jù)環(huán)境光線亮度及列車運(yùn)行速度，以一節(jié)車廂為單位自動(dòng)調(diào)節(jié)線掃描信號(hào)的占空比，控制線陣相機(jī)成像時(shí)間，以達(dá)到亮度均衡的目的。

圖像采集系統(tǒng)將圖像數(shù)據(jù)、車號(hào)數(shù)據(jù)以按列車上下行和日期合成為回放系統(tǒng)可識(shí)別的格式進(jìn)行存儲(chǔ)。

列車最后一節(jié)車廂通過傳感器后，集中控制系統(tǒng)先后關(guān)閉圖像采集系統(tǒng)、車號(hào)識(shí)別系統(tǒng)、線陣照明系統(tǒng)，重新進(jìn)入待機(jī)狀態(tài)，再次等待列車通過。

拍攝后的列車圖像由圖像智能檢測(cè)系統(tǒng)進(jìn)行自動(dòng)故障標(biāo)記。貨運(yùn)人員可按照上下行、日期、車號(hào)分類檢索進(jìn)行查詢回放?；胤胚^程中可隨時(shí)中斷和調(diào)節(jié)播放速度，并具備手工標(biāo)記和保存功能，發(fā)現(xiàn)問題車輛，即可對(duì)問題部位進(jìn)行人工標(biāo)記和保存。圖3為智能檢測(cè)系統(tǒng)流程圖。

圖3 智能檢測(cè)系統(tǒng)流程圖

3 系統(tǒng)特點(diǎn)

3.1 成像效果好，晝夜無差異

環(huán)境光線傳感器能夠?qū)崟r(shí)獲取環(huán)境光線的亮度曲線數(shù)據(jù)，集中控制器能夠?qū)崟r(shí)獲取環(huán)境光照度，并通過與車速進(jìn)行綜合計(jì)算分析，得出相機(jī)精確曝光時(shí)間、色彩優(yōu)化等數(shù)據(jù)，控制線陣相機(jī)進(jìn)行精確掃描，使得采集的圖像亮度、色彩穩(wěn)定，日間夜間效果一致(圖4)，有利于貨檢人員查看和后期智能識(shí)別模塊進(jìn)行識(shí)別。

圖4 系統(tǒng)成像效果

3.2 圖像識(shí)別率高

智能檢測(cè)系統(tǒng)主要采用深度神經(jīng)網(wǎng)絡(luò)(DNN算法)與卷積神經(jīng)網(wǎng)絡(luò)(CNN技術(shù))。CNN主要是模擬人的視覺神經(jīng)系統(tǒng)，通過先得到的一些像素信息，再往上層得到一些邊界信息，然后往上提取識(shí)別目標(biāo)物的部分特征信息，最后完成對(duì)目標(biāo)的識(shí)別。DNN算法首先根據(jù)貨車裝載加固狀態(tài)圖像故障的類別，構(gòu)建多層用于故障識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)模型。輸入任意的貨車裝載加固狀態(tài)圖像，即可直接輸出識(shí)別結(jié)果，從而實(shí)現(xiàn)貨車整車裝載加固狀態(tài)圖像故障的端對(duì)端的識(shí)別。

該方法對(duì)于光照、氣候、噪聲等外界環(huán)境具有較強(qiáng)的抗干擾性，基于大量的訓(xùn)練樣本集可獲得較高識(shí)別準(zhǔn)確率和低漏檢率。圖5為貨車故障圖像識(shí)別示意圖。

圖5 貨車故障圖像識(shí)別示意圖

為了實(shí)現(xiàn)貨車裝載加固狀態(tài)圖像故障識(shí)別的高準(zhǔn)確率、低漏檢率，在設(shè)計(jì)智能檢測(cè)系統(tǒng)時(shí)，分別進(jìn)行了以下的升級(jí)優(yōu)化。

3.2.1 建立多個(gè)模型

由于貨車裝載加固狀態(tài)故障類別繁多，且不同車型的故障類型也存在較大的區(qū)別，異物種類繁雜，為了保證貨車裝載加固狀態(tài)圖像故障識(shí)別的高準(zhǔn)確率，根據(jù)不同車型的結(jié)構(gòu)特點(diǎn)，對(duì)不同車型、不同部位、不同狀態(tài)進(jìn)行分類編碼、學(xué)習(xí)，得到與各個(gè)車型裝載加固狀態(tài)匹配的故障識(shí)別網(wǎng)絡(luò)模型。

圖6為敞車側(cè)面檢測(cè)點(diǎn)位圖。以敞車為例，故障識(shí)別主要項(xiàng)點(diǎn)有：

(1) 標(biāo)注的定檢是否過期(圖6的1處)；

(2) 有無扣修通知、色票、貨車洗刷回送標(biāo)簽或通行限制(圖6的2處)；

(3) 車體是否有雜物拴結(jié)(圖6的3處)；

(4) 是否有折頁(yè)變形、開焊、裂紋(圖6的4、9處)；

(5) 是否有小門加強(qiáng)筋斷裂、開焊(圖6的5處)；

(6) 是否有立柱斷裂、開焊(圖6的6處)；

(7) 下側(cè)門搭扣是否入槽，是否按規(guī)定加固(圖6的7處)；

(8) 貨車內(nèi)是否有垃圾或殘留貨物，車體外部、側(cè)墻和端墻頂部、車鉤、手閘臺(tái)等部位是否有殘留貨物、雜物(圖6的8、13、14、17處)；

(9) 中門上門鎖插銷或下門鎖插銷是否入槽、有效(圖6的10、11處)；

(10) 小門關(guān)閉是否有效，有無變形、貨物或異物外漏(圖6的12處)；

(11) 中門鎖銷入槽后是否按規(guī)定進(jìn)行捆綁加固；

(12) 是否存在部件缺失、車底板破損、車體外部破損破洞；

(13) 空重閥是否調(diào)到正確位置；

(14) 是否有篷布苫蓋不完整或缺少腰邊繩；

(15) 篷布是否遮蓋車號(hào)、車牌，繩索是否妨礙手閘和鉤提桿；

(16) 敞車裝載罐式集裝箱時(shí)，兩處承載彈簧是否壓縮高度一致，是否存在空重箱混裝；

(17) 敞車裝載罐式集裝箱時(shí)，集裝箱角件是否落鎖，左右兩側(cè)是否有鎖頭裸露；

(18) 敞車裝載罐式集裝箱時(shí)，兩個(gè)集裝箱高度是否一致；

(19) 敞車裝載罐式集裝箱時(shí)，罐箱頂部邊緣與端墻、兩罐箱中間縫隙是否保持相對(duì)平行，所裝罐箱底部是否落鎖有效；

(20) 敞車裝載罐式集裝箱時(shí)，罐箱頂部安全閥、呼吸閥、頂蓋是否關(guān)閉良好無異狀；

(21) 鉤提桿是否落槽，軸頭是否擦傷(圖6的15、16處)。

圖6 敞車側(cè)面檢測(cè)點(diǎn)位圖

為此，本文建立大模型(覆蓋所有車型)1個(gè)、區(qū)域模型(用于區(qū)域定位)8個(gè)、故障與異物模型1個(gè)。多模型的建立保證了軟件構(gòu)架的合理，為后續(xù)迭代升級(jí)做了有效模型支撐。

3.2.2 故障全類別覆蓋

除常規(guī)貨車零部件目標(biāo)外，針對(duì)貨車側(cè)部及頂部易發(fā)的雜物故障，專門設(shè)計(jì)了異物故障識(shí)別模型。因異物本身帶有較多不確定性，難以涵蓋全面，易遺漏，加上軌道交通領(lǐng)域暫未有做異物識(shí)別案例，本文在2萬余張圖像中篩選出異物圖像納入負(fù)樣本庫(kù)，通過不斷試驗(yàn)以及修訂模型算法，較好解決了前期異物識(shí)別效果不佳的難題。后續(xù)將結(jié)合使用情況不斷增加負(fù)樣本庫(kù)的樣本數(shù)量及種類，最大程度提升智能識(shí)別精準(zhǔn)度。

算法方面，實(shí)現(xiàn)了模型嵌套關(guān)系，將車輛零部件與異物設(shè)定為目標(biāo)編碼，將定位區(qū)域設(shè)定為區(qū)域編碼，建立零部件目標(biāo)與區(qū)域編碼之間的邏輯關(guān)系，通過精準(zhǔn)算法實(shí)現(xiàn)區(qū)域定位功能，從而有利于貨檢人員快速找到故障部位進(jìn)行復(fù)核，進(jìn)一步提升了工作效率。

3.3 設(shè)備簡(jiǎn)單，技術(shù)先進(jìn)

主要軟硬件全部自主研制。無源磁電式車輪傳感器內(nèi)部采用雙線圈設(shè)計(jì)，在列車從不同方向經(jīng)過傳感器上方時(shí)，能夠產(chǎn)生不同的波形信號(hào)。傳感器信號(hào)傳輸至主控制器，經(jīng)過控制器運(yùn)算，實(shí)現(xiàn)判斷列車運(yùn)行方向、車速和用于計(jì)軸[4]。

智能控制器為整個(gè)系統(tǒng)的控制核心，將車輪傳感器、環(huán)境亮度檢測(cè)、曝光控制、故障識(shí)別、車號(hào)識(shí)別、多協(xié)議通信、燈光控制、語音報(bào)警等功能全部集成到一塊尺寸為20 cm×11 cm的電路板上。系統(tǒng)的控制軟件和檢車軟件界面見圖7、圖8。

圖7 控制軟件界面

圖8 檢車軟件界面(紅色框?yàn)橄到y(tǒng)自動(dòng)識(shí)別故障標(biāo)注)

4 運(yùn)用效果

4.1 故障圖片識(shí)別

除因個(gè)別未見新車型(1%～2%)不能識(shí)別外，敞車、罐車、棚車、平車等既有目標(biāo)車型圖像均能識(shí)別，識(shí)別率達(dá)98%以上。

智能識(shí)別篩選后，可剔除80%左右(設(shè)計(jì)目標(biāo)為≥75%)的裝載加固正常車輛圖像。需人工復(fù)核的疑似圖像控制在20%左右。

4.2 節(jié)省人力資源

港內(nèi)檢車分區(qū)域作業(yè)，作業(yè)環(huán)境惡劣，勞動(dòng)強(qiáng)度高，攀爬列車安全風(fēng)險(xiǎn)高。本系統(tǒng)使用前，檢車人員需逐車檢查，攀爬頂部，兩側(cè)繞車；檢查一列貨車用時(shí)約40 min；每班需外勤室外作業(yè)人員4人。

系統(tǒng)實(shí)施后，列車圖像經(jīng)智能識(shí)別篩選后，只需人工復(fù)核少量疑似圖像，工作效率大幅提升，目前僅需1人對(duì)疑似圖像進(jìn)行復(fù)合，另需1人在現(xiàn)場(chǎng)進(jìn)行指導(dǎo)整理，大大減少了室外作業(yè)人員和檢車時(shí)間。后期將開發(fā)手持終端及實(shí)時(shí)報(bào)警系統(tǒng)，僅需1人根據(jù)App的呈現(xiàn)結(jié)果到現(xiàn)場(chǎng)指導(dǎo)整理即可。

4.3 節(jié)約成本

通過自主研發(fā)，在保證圖片成像和檢測(cè)效果優(yōu)于國(guó)內(nèi)同類產(chǎn)品的前提下，每套設(shè)備造價(jià)只有同類產(chǎn)品造價(jià)的1/4至1/3。目前山東高速公司已在管內(nèi)鐵路線上部署10套該系統(tǒng)，節(jié)約資金超過1 000萬元。

5 結(jié)束語

本文研發(fā)的鐵路貨車裝載加固狀態(tài)智能檢測(cè)系統(tǒng)，實(shí)現(xiàn)了鐵路貨車檢車由人工檢車到智能檢車的轉(zhuǎn)變。該系統(tǒng)有效節(jié)省了人力資源成本和資金投入成本，提高了檢車效率，降低了外勤作業(yè)人員的現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)。本系統(tǒng)作為貨運(yùn)鐵路智能化新范式的組成部分，可為貨運(yùn)鐵路智能化推進(jìn)發(fā)揮積極作用。