智巡未来——轨旁设备智能巡检开拓者

简介

随着铁路网的逐步完善，新ICT技术在各行业的广泛应用以及智能铁路发展的新要求对铁路电务部门的运维工作提出了新挑战，迫切需要打破目前单一的运维模式，采用更加安全高效的监测检测技术手段，进一步保障铁路运营安全。国家铁路局深入贯彻落实习近平总书记关于安全生产重要批示精神，按照国务院安委会工作要求，迅速部署开展铁路重大事故隐患专项排查整治行动，坚决防范遏制重特大事故。铁路沿线及相关设施的破坏活动时有发生，铁路轨旁设备的安全问题亦是国家关注的重点问题。反观目前的轨旁设备巡检手段仍主要依靠人工监控和事后巡检，存在作业效率低、耗费成本高、实时性差等问题，已经不能够满足硅片美化设备巡检防控的需求，加之我国铁路系统部门众多、地点分散、现场环境复杂，日常维护工作存在诸多障碍，因此，铁路市场亟需先进、高效、系统的铁路轨旁设备检测系统以保证铁路列车的安全运行。基于上述铁路部门安防需求以及铁路轨旁设备检测智能解决方案的技术热点，我们团队迫切希望发挥自己的专业特长和优势，依托大学的科研平台优势及与铁路部门的合作关系，研究开发适用于解决铁路轨旁设备检测智能技术系统，为铁路安防事业及智慧城市建设做出贡献。 本项目针对日益繁重的铁路线路轨道设备监测养护任务，为保证铁路有序高效运营，提出了一种基于深度学习和计算机视觉的铁路电务轨旁设备巡检系统。本项目结合高清视频图像感知技术、云计算、大数据物联网技术，将轨旁设备设施的物理外观类故障等"直观"故障现象，通过车载视频图像分析处理的方式检测标记出来，大大提高了巡检效率和识别报警的准确率，构建了全新的电务专业巡检和检测方式。针对过去铁路轨旁检测的缺点，我们做出了优化和改进。首先，相比之前的检测方式，本项目的检测具有实时性，我们使用英伟达边缘服务器，实现巡检车以160km/h的速度拍摄采集数据的同时可以反馈出检测结果，及时传输给后方的维修车辆，巡检车采集数据再把数据传输到机房进行检测。我们的产品不需要来回传输数据，提高了至少2倍效率。其次，本项目通过前期的合作和我们提出的基于半监督和多域训练的算法，构造了庞大的异常数据库，针对每一种异常进行分类，建立设备异常类型库。并且通过结合提出的自我演化框架，使得算法不断学习未知的设备异常，我们的设备异常数据样本库不断扩充，从而提高了铁路轨旁设备检测的准确性和实时性，提高了系统的效率和实用性。