[發明專利]接觸網視頻圖像云端智能監測與故障識別方法

有效

• 申請號: 201910318564.2
• 申請日: 2019-04-19
• 公開（公告）號: CN110135273B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 張珹;張學武;聶晶鑫;田升平;李飛;靖穩峰;喬琛;王玉環;鄭剛;金光;張曉棟;趙瑋;吳亞飛;李晉;劉剛;宮衍圣;隋延民
• 申請（專利權）人: 中鐵第一勘察設計院集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q10/00
• 代理公司: 西安新思維專利商標事務所有限公司 61114
• 代理人: 李罡

1.接觸網視頻圖像云端智能監測與故障識別方法，其特征在于：

所述方法包括以下步驟：

（1）模型訓練：

采集高鐵線路接觸網正常狀態圖像和部件異常圖像，建立正常狀態標準圖像庫和部件異常圖像庫；然后構造兩種類型算法，一種是基于正常狀態標準圖像庫構建接觸網狀態比對算法，用于發現接觸網整體異常情況；另一種是接觸網部件故障識別算法，該算法是基于深度學習方法通過部件異常圖像庫訓練的故障識別模型所形成的算法；

（2）視頻圖像采集與傳輸；

運營列車或接觸網作業車上的攝像機拍攝接觸網全景和部件局部圖像，將本地緩存的圖像數據上傳到云中心；

（3）視頻圖像數據分布式存儲：

系統接收步驟（2）上傳的圖像數據，并將其存儲于HBase數據庫中；

（4）智能監測與故障識別任務調度：

系統監測接收到待識別的圖像，調度系統分配計算資源，以Docker容器運行智能監測與故障識別算法，并將監測與故障識別結果保存數據庫中；

（5）接觸網狀態檢修流程化操作；

步驟（1）具體為：

(1.1)建立接觸網正常狀態標準數據集：具體地，在運營列車駕駛室安裝攝像頭，攝取線路全部視頻圖像，每一跨段抽取三幀圖片：按里程抽取存儲支柱近處拍攝的接觸網全貌圖片，以接觸網支柱編號為文件名存儲；每跨段支柱近處拍攝的接觸網全貌圖像，每一跨段內提取兩幀圖片，反映本跨段內承力索、接觸線和吊弦的部件狀態；

(1.2)訓練基于正常接觸網狀態圖像的監測模型，利用高鐵2C系統采集接觸網吊弦、定位器、絕緣子的部位圖像，與其歷史正常圖像進行比對，監測當前結構件是否變化、變化的趨勢和變化的類型，實現異常檢測，具體流程如下：

(1.2a)以支柱為基準對不同時間采集的圖像進行對齊配準，最大程度消除由于車速、光線的外部因素造成的圖像錯位問題；

(1.2b)進行圖像預處理，以消除噪聲對圖像特征信息的混淆；

(1.2c)采用深度網絡自編碼器提取特征，并進行特征匹配，通過粗略局部比對找尋與接觸網歷史正常圖像無法匹配的特征區域，將其作為待識別故障區域；

(1.2d)將待識別故障區域作為模板，搜尋整幅接觸網歷史正常圖像，精準定位故障位置；

(1.2e)若匹配成功，表明該部位無異常，否則該部位發生異常；

(1.3)建立接觸網部件故障識別數據集，具體地，從4C獲取的接觸網圖片中，按部件選取正常圖片和異常圖片，再通過GAN對抗網絡技術生成異常樣本，使得其總數基本與正常圖片個數相同；

(1.4) 訓練接觸網部件故障識別模型，具體地，以I-RFCN深度網絡訓練接觸網關鍵部件故障識別模型，具體步驟如下：

(1.4a)接觸網圖像預處理模塊輸出的圖片隨機劃分為三組數據集，分別作為訓練集、驗證集和測試集；

(1.4b)利用訓練集及其標注信息，對接觸網I-RFCN網絡模型進行訓練，并基于貝葉斯優化的思想，根據訓練集、驗證集識別率關系對模型的參數進行調整，初步得到接觸網關鍵部件識別的網絡模型；

(1.4c)利用得到的模型對驗證集測試集進行測試，設定閾值，統計接觸網部件識別準確率是否達到閾值，若達到則保存接觸網I-RFCN網絡模型，否則，根據測試集、訓練集、驗證集準確率及通過擴充接觸網關鍵部件圖像樣本對模型參數進行調整。

2.根據權利要求1所述的接觸網視頻圖像云端智能監測與故障識別方法，其特征在于：

步驟（2）中，接觸網圖像數據傳輸模塊基于4G/5G高速傳輸接觸網視頻圖像數據到分布式存儲系統，2C和 4C系統在機車上安裝本地高速SSD緩存，將拍攝的視頻和圖像暫存于本地；2C系統增加邊緣計算，將需要識別的圖片從視頻中遴選出來緩存于本地存儲中，邊緣服務器通過高速網絡定時將緩存中的2C和4C圖片通過Aspera FASP?高效協議傳輸到云平臺服務器的分布式存儲中。