图像自动识别技术在铁路中的发展及运用

2019-12-02魏来中国铁路设计集团有限公司

数码世界 2019年3期

魏来中国铁路设计集团有限公司

1 图像自动识别技术概述

图像自动识别技术伴随着计算机信息技术的发展而出现，主要是指利用计算机这一有效的载体，对收集的图像进行处理、分析和理解，进而对图像进行识别，并在此基础上将不同的图像进行识别。

这一智能技术的原理是：人体的感觉器官会在一定程度上受到图像的刺激，并且伴随着图像位置的变化、距离的变化、角度的变化，图像对人体感觉器官所产生的刺激也会产生相应的改变。而在这一过程中，人体的感觉器官会对图像的变化进行再次识别，也就是所谓的图像再认过程。人体感觉器官在进行图像识别的过程中，既包括图像即时进入到感觉器官中的信息，也有之前所保存的信息。可以说在图像再认的过程中，既包括图像即时信息，也包括其存储的信息，并对两者之间进行对比处理。

人体感觉器官在进行图像识别的时候，视线会聚集到图像的特征上。可以说，图像的特征是图像信息量的集中区域。并且人体感觉器官在进行扫描的时候，也是从图像的一个特点上依次转到另一个特点上，在获得大量信息之后，对其进行选择，得到最为关键的信息。而图像自动识别技术在应用的时候，也是基于每一个图像。

2 图像自动识别技术在铁路上的具体应用

2002年，原铁道部已经充分认识到了图像自动识别技术的重要性，并已经开始着手研发这一新型的技术，并将其尝试应用到我国的铁路行业中。2005年，我国第一套车辆故障动态图像检测系统（TFDS）已经在铁路上得到了安装，并正式应用。通过这一系统，可以对铁路上的货车进行安全控制，进一步提升了铁路上安全防范技术，并增强了列检的工作水平，进而推动铁路列检工作进入到一个全新的阶段。2007年、2012年，又对这一系统的应用效果进行了集中考核，并针对其应用中存在的问题，进行了完善。同时，设备厂家又对图像自动识别技术进行了优化，提高了模块的识别率。到目前，伴随着科学信息技术的进一步发展，TFDS系统也得到了一定程度的优化和发展，逐渐升级为客车故障动态图像检测系统（TVDS）、动车故障动态图像检测系统（TEDS）。通过这两种升级和优化系统，可以对铁路中的客车、动车实施更为有效的动态性检测。

无论是最初的TFDS系统，还是后期升级和发展的TVDS、TEDS系统。这三种系统无一例外的都是在铁路轨道的两边安装上高速摄像头，并利用设摄像头将列车运行中的相关图像进行清晰的拍摄。拍摄完成之后，利用该系统中的网络，将其传输到铁路的列检室内，相关工作人员则利用该系统的终端设备对相应的图像进行科学的分析，并及时发现列车运行中所存在的故障点。如此一来，就大大保障了铁路的安全运输，减少了列车运行过程中出现的行车事故。

3 铁路对图像自动识别技术的需求分析

根据相关统计数据显示，全路投入的TFDS设备已经将近360套，TVDS、TEDS相对比较少，其中TVDS约为47套，TEDS为322套。这些设备在进行列车运行监测的过程中，均是利用图像自动识别技术，进行列车运行中的相关信息进行自动采集图像，包括列车走行部图像、制动备件图像、底架悬吊件的图像等，同时将其传输到铁路的列检室之后，相关工作人员利用肉眼判断的方式，对所有的图像进行分析，进而分析出列车运行中可能存在的故障，并对其进行检测和维修。

尤其是在当前，伴随着高铁的进一步发展，列车在高速运行的状态下，任何一个细微的故障，都有可能引发列车出现重大的安全事故。因此，必须要充分利用自动识别技术，对列车高速运行状态下的零部件状态进行有效的监测。

TFDS、TVDS、TEDS在监测的过程中，每时每刻都要将大量的监测图像传递到列检室内，终端设备的工作人员不得不每天面对海量的图片。在这种情况下，工作人员极容易受到疲劳等因素的影响，出现误检、漏检等现象，甚至这种人工判读的方式具有一定的主观性，效率较低。在这种情况下，就可以充分利用图像自动识别技术的优势，对TFDS、TVDS、TEDS所拍摄的监测图片进行详细的检测和分析，并根据图片的性质，将其自动归类处理。同时，利用该技术还可以建立一个标准的图库，进而可以对列车故障图像进行自动识别。如此一来，不仅提高了系统监测的准确率，也在一定程度上降低了系统终端工作人员的工作量，并提高了其工作的效率和精准性，进而极大地提升了铁路的监测效率，减少了列车运行中安全事故的发生率。

4 图像自动识别技术分析

4.1 故障分类

在利用图像自动识别技术的时候，可以利用多面体部件、多维及空间轮廓技术这两点，将列车的故障类型分为两大类，即：部件丢失和部件折断、结合规定中相关零部件的形变尺寸，对系统内部的模型参数进行调整，确认配件是否出现损坏现象。

在具体对故障进行识别的时候，可充分利用精确定位、多角度匹配关键特征等技术，从海量的监测图像中，提取列车运行中所有部件的轮廓值，并将列车实际部件的轮廓值与相应的参数进行对比，并在此基础上结合对比范围，对列车部件实际情况进行准确的判定。

4.2 故障识别方法

图像自动识别技术在对监测图像进行故障识别的过程中，主要是利用四种方法进行：第一、利用大型工业检测类软件进行故障识别。但是在使用这类方法的时候，对图像质量要求相对比较高，要求监测图像一致性较高。但是在铁路监测中，受到列车运行环境的影响，这种方法很难应用；第二、利用图像处理方法，开发二维图像故障检测模块。该方法应用的过程中，开发和调试阶段必须要拥有相应的故障样本，但列车运行中重大故障几率较低，且故障表现形式多样。此外，在利用这种处理方式的时候，因为列车结构极为复杂，组成部件众多，无法对所有有的列车组成部件进行模块开发，这也在一定程度上影响了其具体的使用；第三、采用识别的方式。通过该识别方式，可从海量的检测图像中，对列车部件异常图像进行精准的提取，但是如果列车为非固定编组的货车，则很难使用该方法进行识别。第四、采用三维图像的建模识别。该方法是图像故障识别方法中的主要发展方向，通过三维图像可以对列车运行中的所有部件空间结构模型实现完整的获取，并将其与结构模型中的参数进行对比，即可发现其中存在的异常现象。

4.3 图像识别及运用软件平台

这一平台具有强大的功效，可以为整合系统相应的数据，并对所有的数据集中进行调度、对所有的图像信息进行浏览，对所有的数据进行统计分析，并结合图像信息判识结果等进行智能化自动故障报警等。同时通过这一软件平台，可以对图像识别设备使用过程进行全程化、动态化的监控和管理，确保其运行正常。

4.4 图像自动识别装置

在这一系统中，主要包含了四个重要的组成部分，分别是自动对图像进行识别的服务器、对图像进行识别的调度框架程序、对图像进行自动识别的模块、及图像平台数据标准接口等。其中，平台数据接口是一个重要的媒介，识别调度框架程序可通过其获得列车的信息，并将信息反馈至图像自动识别模块，图像识别模块则对图像进行识别。同时，识别调度框架程序还可以利用这一媒介，与运用平台软件之间进行数据交互，并将其自动识别的结果，反馈到运用软件平台中，使其对数据进行集中管理，有效保障了数据的安全。而图像自动识别模块和运用软件平台则主要对识别的结果进行显示、统计和对比分析。