一種車內(nèi)智能巡檢系統(tǒng)方案設(shè)計

摘 要：隨著城市軌道交通的迅猛發(fā)展，地鐵列車的安全運行顯得至關(guān)重要。傳統(tǒng)的人工巡檢方式存在效率低下、準(zhǔn)確性欠佳等諸多問題，已難以契合現(xiàn)代地鐵運營的實際需求。而針對地鐵列車內(nèi)外的智能巡檢技術(shù)，作為一種先進(jìn)的檢測手段，可實現(xiàn)對列車全方位、高效且精準(zhǔn)的檢測，為地鐵的安全運營提供堅實有力的保障。鑒于此，提出地鐵列車內(nèi)部智能巡檢技術(shù)方案，對巡檢系統(tǒng)的組成結(jié)構(gòu)、圖像識別技術(shù)及其工作原理等方面進(jìn)行了介紹。

關(guān)鍵詞：安全運維；圖像識別；智能巡檢

中圖分類號：U231" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號：1671-0797（2025）06-0028-04

DOI：10.19514/j.cnki.cn32-1628/tm.2025.06.007

0" " 引言

地鐵車輛內(nèi)部運維檢修項點由業(yè)主檢修規(guī)程確定，檢修周期根據(jù)組織形式不同，分為日常檢修（或均衡修）和架修大修。目前，日常檢修主要是在車輛結(jié)束運營回庫后，由負(fù)責(zé)運維的人員目視對內(nèi)裝進(jìn)行檢查，檢查結(jié)束后，還需值守到早晨車輛出庫。檢查整體作業(yè)量大，時間為深夜，檢查人員容易疲勞，出現(xiàn)漏檢、誤檢情況，存在一定安全隱患。

目前主流的研究集中在車外智能化檢測，采用專業(yè)工業(yè)相機(jī)布置在軌旁，誕生了一系列軌旁檢測系統(tǒng)，如車體360檢測系統(tǒng)、車頂受電弓檢測系統(tǒng)、輪對檢測系統(tǒng)、輪對踏面檢測系統(tǒng)、車底智能檢測機(jī)器人等。上述系統(tǒng)均用于車外側(cè)的設(shè)備檢測，且主體依賴工業(yè)相機(jī)結(jié)合2D+3D的圖像采集模式實現(xiàn)智能檢測，而車內(nèi)設(shè)備的智能化檢測目前尚未進(jìn)行實踐研究，存在研究空白。

1" " 總體方案設(shè)計

車內(nèi)智能巡檢系統(tǒng)主要由三部分組成，分別為車廂智能攝像機(jī)、車廂交換機(jī)、智能分析主機(jī)，如圖1所示。在各客室分別安裝4組攝像機(jī)，在各司機(jī)室分別安裝1組攝像機(jī)，每個客室和司機(jī)室均布置1臺交換機(jī)，攝像機(jī)通過網(wǎng)絡(luò)接入交換機(jī)，各客室與司機(jī)室的交換機(jī)互聯(lián)，再接入智能分析主機(jī)，由智能分析主機(jī)進(jìn)行攝像機(jī)控制與視頻采集，并對采集的視頻進(jìn)行分析，獲得內(nèi)裝巡檢結(jié)果。

系統(tǒng)作業(yè)模式：在車輛結(jié)束當(dāng)天運營、由終點站行駛回庫過程中，動態(tài)調(diào)整攝像機(jī)角度，自動變焦，對客室內(nèi)的全局及局部視角進(jìn)行圖像采集，根據(jù)采集的圖像數(shù)據(jù)實時進(jìn)行AI分析，主要識別如下內(nèi)容：

1）地面遺留水漬。

2）客室內(nèi)存在遺留物，包含地面垃圾、乘客行李等物件。

3）設(shè)備移位：包括廣告牌、電視機(jī)、滅火器、消防錘、柜門等客室固定設(shè)備的位置變動。

4）設(shè)備缺失：包括廣告牌、電視機(jī)、滅火器、消防錘等客室設(shè)備異常缺失。

5）功能狀態(tài)異常：電氣柜異常打開。

運用模式：車輛在回庫過程中，自動完成車內(nèi)巡檢工作，相關(guān)檢測結(jié)果直接發(fā)送至地面終端，地面終端傳輸至終端手持機(jī)，由檢修人員根據(jù)手持機(jī)推送結(jié)果上車確認(rèn)并處置。

2" " 系統(tǒng)識別的幾個關(guān)鍵技術(shù)

2.1" " 位置變動類

主要包括司機(jī)室把手、按鈕等的位置發(fā)生變動，客室懸掛設(shè)備（如廣告框等）、座椅等的位置出現(xiàn)變動。

識別模型：采用實例分割算法來實現(xiàn)部件移動檢測。

識別精度：

1）在可視面范圍內(nèi)，當(dāng)與正常位置發(fā)生的變動位移超出5 mm時可識別。

2）對于門鎖扣，按照正常/異常進(jìn)行定性識別。

實現(xiàn)原理：實例分割算法的工作流程一般包括圖像輸入、特征提取、物體檢測、實例分割和結(jié)果輸出等步驟。將圖像輸入到算法中，通過卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)提取圖像的特征，利用物體檢測算法檢測圖像中的物體，并確定每個物體的位置和類別，對每個檢測到的物體進(jìn)行實例分割，將其輪廓精確地分割出來，輸出實例分割的結(jié)果，包括每個物體的類別、位置和輪廓等信息，如圖2所示[1]。

2.2" " 丟失缺失類

主要包括安全錘、設(shè)備等缺失丟失。

識別模型：數(shù)據(jù)分類，通過目標(biāo)檢測模型判斷部件是否丟失。

識別精度：按照有無定性識別。

實現(xiàn)原理： 目標(biāo)檢測模型的工作流程一般包括圖像輸入、特征提取、目標(biāo)檢測和結(jié)果輸出等步驟。首先，將待檢測的圖像輸入到模型中，通過卷積神經(jīng)網(wǎng)絡(luò)提取圖像的特征，利用目標(biāo)檢測算法在特征圖上檢測出目標(biāo)物體的位置和類別，輸出檢測結(jié)果，包括目標(biāo)物體的位置、類別和置信度等信息，如圖3所示[2]。

2.3" " 外觀破損類

主要包括漆面、遮陽簾、座椅面等破損。

識別模型：借助弱監(jiān)督異常檢測網(wǎng)絡(luò)檢測表面掉漆、缺損，異物附著。

識別精度：

1）鼓包/凹坑：5 mm深度，50 mm×50 mm變化面積。

2）表面破損：30 mm×30 mm破損面積。

實現(xiàn)原理：弱監(jiān)督異常檢測網(wǎng)絡(luò)的工作流程一般包括數(shù)據(jù)采集、模型訓(xùn)練和缺陷檢測三個階段。在數(shù)據(jù)采集階段，收集大量的正常樣本和少量的異常樣本，并對少量異常樣本進(jìn)行標(biāo)注。在模型訓(xùn)練階段，使用樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)正常樣本的特征分布。在缺陷檢測階段，將待檢測樣本輸入到訓(xùn)練好的網(wǎng)絡(luò)中，通過計算重構(gòu)誤差或生成效果等指標(biāo)來判斷樣本是否為異常樣本，如圖4所示[3]。

2.4" " 文字識別類

主要包括識別、判斷文字的異常。

識別模型：使用OCR進(jìn)行文字識別判斷。

識別精度：非手寫的打印字跡，定性識別。

實現(xiàn)原理：OCR技術(shù)的工作流程一般包括圖像獲取、預(yù)處理、字符分割、特征提取、字符識別和后處理等步驟，通過光學(xué)設(shè)備獲取包含文字的圖像，對圖像進(jìn)行預(yù)處理，如去噪、二值化、傾斜校正等，以提高圖像質(zhì)量，進(jìn)行字符分割，將圖像中的文字分割成單個字符，提取每個字符的特征，并利用分類器進(jìn)行字符識別，對識別結(jié)果進(jìn)行后處理，如糾錯、排版等，以提高識別結(jié)果的準(zhǔn)確性和可讀性，如圖5所示。

2.5" " 玻璃裂紋類

主要包括各玻璃的檢查。

識別模型：在疑似缺陷的局部，應(yīng)用語義分割模型檢測表面裂紋。

識別精度：寬2 mm、長50 mm的裂紋。

實現(xiàn)原理：語義分割模型的工作流程一般包括圖像輸入、特征提取、像素分類和結(jié)果輸出等步驟。首先，將待檢測的圖像輸入到模型中，通過卷積神經(jīng)網(wǎng)絡(luò)提取圖像的特征。然后，利用像素分類器對每個像素進(jìn)行分類，將其分配到裂紋像素或非裂紋像素類別中。最后，輸出語義分割結(jié)果，即圖像中每個像素的類別標(biāo)簽，如圖6所示[4]。

3" " 方案創(chuàng)新

1）采集車內(nèi)檢修項點各種角度、形態(tài)的圖像數(shù)據(jù)，建立深度學(xué)習(xí)模型，實現(xiàn)關(guān)鍵項點準(zhǔn)確定位，研究一套在線深度學(xué)習(xí)模型迭代方法，可進(jìn)行模型自適應(yīng)迭代，以適應(yīng)車內(nèi)環(huán)境變化。

2）基于車內(nèi)檢修項點的物理結(jié)構(gòu)和故障形態(tài)進(jìn)行分類研究，針對性進(jìn)行故障識別算法開發(fā)，建立一套運營時作為視頻監(jiān)控功能運用，運營結(jié)束后投入車內(nèi)智能運維的車內(nèi)監(jiān)控與運維的綜合解決方案。

3）檢測項點覆蓋率及識別準(zhǔn)確率，達(dá)到或超出人工目視檢測能力，探索車內(nèi)檢修模式的變革。

4" " 應(yīng)用價值

1）實現(xiàn)了內(nèi)裝檢查的無人巡檢功能。系統(tǒng)采用固定攝像機(jī)，結(jié)合攝像機(jī)的預(yù)置位設(shè)定及可變焦距功能，實現(xiàn)攝像機(jī)對各不同待檢位置的精確數(shù)據(jù)采集，實現(xiàn)待檢部位的自動巡檢。列車內(nèi)裝的自動無人巡檢，屬于智能運維的重要補(bǔ)充，也是實現(xiàn)智能運維的重要手段。

2）實現(xiàn)了人檢的無人化升級，減少了工作量。在客室范圍內(nèi)使用目前的技術(shù)方案，能夠代替人工，大大減少人工的工作量，但客室內(nèi)的有電操作及柜內(nèi)設(shè)備檢查，受限于視覺方案，仍然需要人工進(jìn)一步補(bǔ)充。

3）實現(xiàn)了內(nèi)裝檢查質(zhì)量的提升。人工的目視檢查需要克服深夜作業(yè)、作業(yè)量大、作業(yè)時間長及人為因素，而機(jī)器的自動巡檢，一方面基于預(yù)置位巡檢定位，另一方面基于特定故障形態(tài)的模型算法，相較而言，自動檢查能夠更好地保障檢查質(zhì)量。

4）實現(xiàn)了內(nèi)裝狀態(tài)的數(shù)字化存檔。機(jī)器的自動巡檢，能夠定期保存內(nèi)裝設(shè)備狀態(tài)的數(shù)字化存儲，實現(xiàn)內(nèi)裝狀態(tài)的數(shù)字化，有利于實現(xiàn)檢修作業(yè)的數(shù)字化管理。

5" " 結(jié)束語

鑒于軌道交通裝備在數(shù)量、運營分布以及區(qū)域跨度等方面的持續(xù)擴(kuò)張，后端運維服務(wù)所蘊(yùn)含的價值亦將呈現(xiàn)顯著增長的趨勢。本文所述方案依托于先進(jìn)的算法識別分析技術(shù)，旨在有效支撐并指導(dǎo)運維工作，顯著縮短響應(yīng)時間，進(jìn)而提升運維服務(wù)的整體效能。此舉不僅有助于服務(wù)質(zhì)量的持續(xù)優(yōu)化，更將為社會創(chuàng)造更高的附加值，提升地鐵運營品牌效益，對于推動軌道交通電客車運維數(shù)字化轉(zhuǎn)型升級具有重要的示范和推動作用。

方案可全面推廣應(yīng)用于各線路之中，智能運維改造的深入實施，能夠提升運營效率，為未來的智慧運營管理構(gòu)筑堅實的基石，提供豐富的數(shù)據(jù)資源。隨著大數(shù)據(jù)與信息化技術(shù)的蓬勃發(fā)展，以及國家對智慧地鐵建設(shè)的鼎力支持與推廣，車廂智能化檢測系統(tǒng)將融入智慧地鐵的整體信息化建設(shè)之中，對我國軌道交通車輛技術(shù)的革新與發(fā)展具有極其重要的戰(zhàn)略意義。

[參考文獻(xiàn)]

[1] 孫鵬，孫傳聰，徐要要，等.深度學(xué)習(xí)的實例分割技術(shù)研究進(jìn)展[J].機(jī)電工程技術(shù)，2024，53（8）：1-6.

[2] 宋野，齊志泉，王來生.多示例在線學(xué)習(xí)方法在遮擋目標(biāo)跟蹤中的應(yīng)用[J].中南大學(xué)學(xué)報（自然科學(xué)版），2011（增刊1）：666-670.

[3] 戚忠淼，姜艷.弱監(jiān)督目標(biāo)檢測相關(guān)研究[J].數(shù)據(jù)通信，2024（1）：8-13.

[4] 王洪戰(zhàn)，尹劍，侯杰，等.基于語義分割的裂縫檢測技術(shù)研究[J].測繪與空間地理信息，2024，47（6）：40-42.

收稿日期：2024-12-09

作者簡介：常建國（1996—），男，安徽人，工程師，研究方向：工程技術(shù)管理。