图像识别技术在XB 箱监测中的应用

2023-02-19中铁第五勘察设计院集团有限公司田泽方

数字技术与应用 2023年1期

中铁第五勘察设计院集团有限公司田泽方

经过智能化改造，铁路信号室外基础设备之一的XB箱成为网络节点。后台维护终端自动对这些节点进行图像采集，集中进行图像识别处理并给出识别结果。试验方案为提高现场设备维护水平进行了有益探索。

铁路作为旅客出行以及货物运输最主要的方式，信号设备的运行状态将直接关系到铁路运输的安全[1]。铁路信号系统的室外设备或接线，大多设置于铁路沿线的信号变压器箱（XB 箱）中。为了保证其正常运行，电务部门采取日常养护和集中检修相结合的方式预防故障，使设备处于良好的工作状态[2]。既有XB 箱日常巡检内容包括接线端子是否紧固、防雷元件是否失效、工作电压是否正常等。受多种制约因素影响，例如专业人员少、设备数量增多、作业地点分散、“天窗”维护时间短等，铁路信号相关养护、巡检工作的琐碎、繁杂问题日益凸显，维修维护工作人员压力大、劳动强度高。而且在维护过程中容易出现故障定位不准确、故障反馈不及时的情况，影响正常行车组织甚至造成事故。

随着物联网、大数据、云计算、移动互联网、人工智能等先进技术的逐步成熟，已具备了通过智能技术提高轨道交通安全、降低工作强度和推进智能化升级的基础[3]。

1 图像识别技术的应用概况

在我国人工智能科技发展领域中，图像识别是一项十分重要的研究项目，随着我国科技的飞速发展，图像识别技术得到了充分的发展[4]。传统上，人工智能（或深度学习）开发流程极为冗长，基础设施的开发、搭建、调试往往要耗费数月时间，期间透明性低，测试频繁，效率低下，严重阻碍人工智能技术在行业中的推广使用。

为了降低深度学习模型开发的难度和入门门槛，简化开发过程，不少相关专家作出有意探索，推出了深度学习计算服务平台：将识别技术算法本身进行分类归纳、封装，从而使开发人员能专注于对模块内的问题抽象、模型建立以及神经网络模型设计；而行业应用人员专注于提炼需求，选择、调用相关模块，解决行业问题。

深度学习计算服务平台通过整合高性能计算、云计算、大数据和人工智能等多学科的关键技术，提供从训练到推理的一站式人工智能云计算应用服务解决方案，大幅降低人工智能准入门槛，提升人工智能研发效率，适应了传统行业智能化升级的需要。

2 智能化XB箱

新型智能XB 箱在既有XB 箱基础上，内部边角处设置摄像设备，外部设置通讯模块、太阳能供电单元。原理框图如图1 所示，XB 箱外部通讯单元和供电单元如图2 所示，XB 箱内部摄像设备如图3 所示。摄像设备（具有红外摄像功能）、通讯单元和供电单元组成独立子系统，与XB 箱既有设备无电气连接。

图1 智能XB 箱原理框图Fig.1 Schematic diagram of intelligent XB-box

图2 通讯单元和供电单元Fig.2 Communication unit and power supply unit

图3 摄像设备（右上）Fig.3 Camera(at the upper right corner)

3 试验方案

近期，在现场站点进行试验，对既有XB 箱进行智能化升级改造，新增设备配置情况如表1 所示。

表1 设备配置表Tab.1 Equipment configuration table

本次试验项目维护终端采用深度学习计算服务平台。借助平台快速搭建了“XB 箱人工智能维护试验”环境：将智能XB 箱联网，对其进行图像采集、识别故障并报警，实现人工智能技术的快速应用。智能XB 箱维护系统的示意图如图4 所示。

图4 智能XB 箱维护系统Fig.4 Maintenance system of intelligent XB-box

日常工作时，将智能XB 箱设置为定时抓拍箱内设备图像并上传，维护终端对上传照片进行图像识别，包括限定边界内是否有线头松脱、设备温度监测等内容。如果识别结果出现超出设定限值情况，维护终端将发出警示，维护人员可调取原始图片人工确认。

4 试验结果

本次试验持续1 个月，共采集图像400 余张，其中某次拍摄图像如图5 所示，对应红外图像如图6 所示。线头松脱识别：现场注入试验用例30次，识别次数30次、告警30次，识别准确度100%；器材温度监测：通过红外信息识别，对XB 箱内BG1-150 型变压器进行温度监测，温度识别精度5℃，其中连续4 天温度记录如图7 所示。