CN112001918A - 基于ai算法的高铁接触网设备巡检方法及*** - Google Patents

基于ai算法的高铁接触网设备巡检方法及*** Download PDF

Info

Publication number
CN112001918A
CN112001918A CN202011031247.1A CN202011031247A CN112001918A CN 112001918 A CN112001918 A CN 112001918A CN 202011031247 A CN202011031247 A CN 202011031247A CN 112001918 A CN112001918 A CN 112001918A
Authority
CN
China
Prior art keywords
picture
defect
vehicle
speed rail
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011031247.1A
Other languages
English (en)
Inventor
李曌宇
宋东海
缪弼东
朱海燕
暴天鹏
马进军
饶宏伟
赵正路
高峰
胡纪绪
侯瑞
张斌
汪翔
李俊华
霍文婷
邵庆彬
王超
孙明珊
李东海
马骏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
China Railway Electrification Engineering Group Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
China Railway Electrification Engineering Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd, China Railway Electrification Engineering Group Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202011031247.1A priority Critical patent/CN112001918A/zh
Publication of CN112001918A publication Critical patent/CN112001918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/725—Cordless telephones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开基于AI算法的高铁接触网设备巡检方法，包括如下步骤：S1、对铁路接触网的杆塔、导线进行图片数据采集；S2、通过AI算法对采集的图片数据进行智能分析，提取疑似缺陷图片；S3、对疑似缺陷图片使用辅助分析工具对疑似缺陷的位置进行标记并分析，判定是否为缺陷；S4、判定为缺陷后，将图片中的故障点信息生成检修列表，导出给检修人员进行维修作业。本发明通过人工智能技术赋能高铁行业，辅助工作人员进行接触网缺陷检测，降低工作量，提高检测工作的实时性。

Description

基于AI算法的高铁接触网设备巡检方法及***
技术领域
本发明涉及接触网检测技术领域，尤其涉及基于AI算法的高铁接触网设备巡检方法及***。
背景技术
高铁接触网是高铁电气***非常重要的组成部分，它承担的重要的电力传输任务，如果接触网出现故障，会对高铁的安全运营造成非常严重的影响，轻则大面积晚点，重则损失大量人民生命财产，所以各铁路路局对接触网故障的预防和检修一直不遗余力的投入。因此，相关部门大力引入高铁检修车辆，传统的依靠人工巡视的巡检方式被逐步淘汰，这样一来，检修人员的工作环境及工作强度大幅改善，对检修车辆拍摄的支柱照片进行集中审核，不必现场巡检，只有通过图片确认是缺陷后，才进行现场修理。但是，这种较为先进的巡检方式，仍具有较大的工作量，以京沪高铁为例，上行下行线路完全完成一次巡检，会产生400万张照片，需要大量人力大量时间进行审核，且长时间看图容易视觉疲劳，产生漏检，且检修中心除了接触网的巡检任务外，还有其他类似工作，以当前的工作效率，一个季度最多完成一次巡检，很难针对接触网进行更细粒度更高频率的巡检，严重阻碍了高铁安全监控体系的发展。
当前市场的接触网缺陷检测流程:1)检修车辆按照计划巡视线路，并进行拍照；2)在巡视工作完成之后，使用存储介质将图片信息导出；3)数据导入审核软件，使用软件提供的标记功能对缺陷点进行标记并存储；4)导出缺陷列表，交维修班组进行确认和修理。
现有技术缺点：
1.图片数据巨大，投入了较大规模的人力资源，影响其他工作；
2.连续长时间查看照片，容易视觉疲劳，漏掉某些显而易见的严重缺陷；
3.缺陷分析的方式原始低效，很多缺陷不能及时发现和处理。
发明内容
为了解决上述技术问题，本发明提出基于AI算法的高铁接触网设备巡检方法及***。为了达到上述目的，本发明的技术方案如下：
基于AI算法的高铁接触网设备巡检方法，包括如下步骤：
S1、对铁路接触网的杆塔、导线进行图片数据采集；
S2、通过AI算法对采集的图片数据进行智能分析，提取疑似缺陷图片；
S3、对疑似缺陷图片使用辅助分析工具对疑似缺陷的位置进行标记并分
析，判定是否为缺陷；
S4、判定为缺陷后，将图片中的故障点信息生成检修列表，导出给检修人员进行维修作业。
优选地，所述S2后，还包括如下步骤：对疑似缺陷图片中的故障点进行拉框告警，并提示相应的故障部位和故障类型。
优选地，所述S3后，还包括如下步骤：将判定为缺陷后的图片标记为非缺陷返回S2中进行复检，判定是否为真实缺陷。
优选地，所述图片数据是通过检修车辆的摄像头阵列对铁路接触网的杆塔、导线进行定时拍摄获取。
基于AI算法的高铁接触网设备巡检***，包括：车载摄像头阵列、车载视频***、辅助分析服务器和移动终端，所述车载摄像头阵列与车载视频***电连接，所述车载视频***、移动终端与所述辅助分析服务器无线通信连接，其中，
所述车载摄像头阵列，用于采集对铁路接触网的杆塔、导线进行图片数据采集；
所述车载视频***，用于存储所述图片数据，并将所述图片数据上传至辅助分析服务器；
所述辅助分析服务器，包括分析模块、检测模块和发送模块，其中，
所述分析模块，用于对图片数据进行智能分析，提取疑似缺陷图片；
所述检测模块，用于对所述疑似缺陷图片进行标记并分析，判定是否为缺陷图片；
所述发送模块，用于将判定为缺陷图片的中的故障点信息生成检修列表，并发送给移动终端；
所述移动终端，用于接收检修列表，供检修人员查看。
优选地，所述辅助分析服务器中还包括复检模块，用于将检测模块中初始判定为缺陷图片标记为非缺陷图片，发送至分析模块中进行复检。
基于上述技术方案，本发明的有益效果是：
1)、通过人工智能技术能够在较短时间内完成疑似缺陷数据的筛选，筛选完成后，工作人员的工作量至少减少10倍以上，辅助工作人员对接触网缺陷检测，降低工作量，提高检测工作的实时性；
2)、复检功能，对初次判定为缺陷图片进行二次互检，防止漏掉真正的缺陷，提升了缺陷检测的准确率；
3)、缺陷检测完成后，及时生成检修列表发送给一线的检修班组进行维修作业，提高维修效率，为电气化铁路的安全运营保驾护航。
附图说明
图1：本发明的基于AI算法的高铁接触网设备巡检方法的流程图；
图2：本发明的基于AI算法的高铁接触网设备巡检***的结构框图。图中，1-车载摄像头阵列，2-车载视频***，3-辅助分析服务器，301-分析模块，302-检测模块，303-复检模块，304-发送模块，4-移动终端。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
实施例一
如图1所示，基于AI算法的高铁接触网设备巡检方法，包括如下步骤：
S1、对铁路接触网的杆塔、导线进行图片数据采集；
S2、通过AI算法对采集的图片数据进行智能分析，提取疑似缺陷图片(例
如螺母松动、销钉缺失、吊弦断裂、绝缘子破损等)；
S3、基于机器视觉提取疑似缺陷图片中对应的支柱号，现场工作人员使用一些辅助分析工具按照支柱号查看疑似缺陷图片，如部件、零部件位置标记、图片查看工具、缺陷预先标记等，快速对疑似缺陷的位置进行分析，判定是否为缺陷；
S4、判定为缺陷后，将图片中的故障点信息生成检修列表，导出给检修人员进行维修作业。
进一步，所述S2后，还包括如下步骤：对疑似缺陷图片中的故障点进行拉框告警，并提示相应的故障部位和故障类型。
进一步，所述S3后，还包括如下步骤：将判定为缺陷后的图片标记为非缺陷返回S2中进行复检，判定是否为真实缺陷。
进一步，所述图片数据是通过检修车辆的摄像头阵列对铁路接触网的杆塔、导线进行定时拍摄获取。
如图2所示，基于AI算法的高铁接触网设备巡检***，包括：车载摄像头阵列1、车载视频***2、辅助分析服务器3和移动终端4，所述车载摄像头阵列1与车载视频***2电连接，所述车载视频***2、移动终端4与所述辅助分析服务器3无线通信连接，其中，
所述车载摄像头阵列1，用于采集对铁路接触网的杆塔、导线进行图片数据采集；
所述车载视频***2，用于存储所述图片数据，并将所述图片数据上传至辅助分析服务器；
所述辅助分析服务器3，包括分析模块301、检测模块302和发送模块304，其中，
所述分析模块301，用于对图片数据进行智能分析，提取疑似缺陷图片；
所述检测模块302，用于对所述疑似缺陷图片进行标记并分析，判定是否为缺陷图片；
所述发送模块304，用于将判定为缺陷图片的中的故障点信息生成检修列表，并发送给移动终端；
所述移动终端4，用于接收检修列表，供检修人员查看。
进一步，所述辅助分析服务器中还包括复检模块303，用于将检测模块302中初始判定为缺陷图片标记为非缺陷图片，发送至分析模块301中进行复检。
以上所述仅为本发明所公开的基于AI算法的高铁接触网设备巡检方法的优选实施方式，并非用于限定本说明书实施例的保护范围。凡在本说明书实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的保护范围之内。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书实施例中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (6)

1.基于AI算法的高铁接触网设备巡检方法，其特征在于，包括如下步骤：
S1、对铁路接触网的杆塔、导线进行图片数据采集；
S2、通过AI算法对采集的图片数据进行智能分析，提取疑似缺陷图片；
S3、对疑似缺陷图片使用辅助分析工具对疑似缺陷的位置进行标记并分析，判定是否为缺陷；
S4、判定为缺陷后，将图片中的故障点信息生成检修列表，导出给检修人员进行维修作业。
2.根据权利要求1所述的基于AI算法的高铁接触网设备巡检方法，其特征在于，所述S2后，还包括如下步骤：对疑似缺陷图片中的故障点进行拉框告警，并提示相应的故障部位和故障类型。
3.根据权利要求1所述的基于AI算法的高铁接触网设备巡检方法，其特征在于，所述S3后，还包括如下步骤：将判定为缺陷后的图片标记为非缺陷返回S2中进行复检，判定是否为真实缺陷。
4.根据权利要求1所述的基于AI算法的高铁接触网设备巡检方法，其特征在于，所述图片数据是通过检修车辆的摄像头阵列对铁路接触网的杆塔、导线进行定时拍摄获取。
5.基于AI算法的高铁接触网设备巡检***，其特征在于，包括：车载摄像头阵列、车载视频***、辅助分析服务器和移动终端，所述车载摄像头阵列与车载视频***电连接，所述车载视频***、移动终端与所述辅助分析服务器无线通信连接，其中，
所述车载摄像头阵列，用于采集对铁路接触网的杆塔、导线进行图片数据采集；
所述车载视频***，用于存储所述图片数据，并将所述图片数据上传至辅助分析服务器；
所述辅助分析服务器，包括分析模块、检测模块和发送模块，其中，
所述分析模块，用于对图片数据进行智能分析，提取疑似缺陷图片；
所述检测模块，用于对所述疑似缺陷图片进行标记并分析，判定是否为缺陷图片；
所述发送模块，用于将判定为缺陷图片的中的故障点信息生成检修列表，并发送给移动终端；
所述移动终端，用于接收检修列表，供检修人员查看。
6.根据权利要求5所述的基于AI算法的高铁接触网设备巡检***，其特征在于，所述辅助分析服务器中还包括复检模块，用于将检测模块中初始判定为缺陷图片标记为非缺陷图片，发送至分析模块中进行复检。
CN202011031247.1A 2020-09-27 2020-09-27 基于ai算法的高铁接触网设备巡检方法及*** Pending CN112001918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011031247.1A CN112001918A (zh) 2020-09-27 2020-09-27 基于ai算法的高铁接触网设备巡检方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011031247.1A CN112001918A (zh) 2020-09-27 2020-09-27 基于ai算法的高铁接触网设备巡检方法及***

Publications (1)

Publication Number Publication Date
CN112001918A true CN112001918A (zh) 2020-11-27

Family

ID=73475000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011031247.1A Pending CN112001918A (zh) 2020-09-27 2020-09-27 基于ai算法的高铁接触网设备巡检方法及***

Country Status (1)

Country Link
CN (1) CN112001918A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113525183A (zh) * 2021-07-29 2021-10-22 北京南凯自动化***工程有限公司 一种铁路接触网障碍物清理***和方法
CN114485575A (zh) * 2021-12-31 2022-05-13 中铁武汉电气化局集团有限公司 一种接触网吊弦高清成像装置及其使用方法
CN114708484A (zh) * 2022-03-14 2022-07-05 中铁电气化局集团有限公司 适用于识别缺陷的图形分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511495A (zh) * 2016-02-15 2016-04-20 国家电网公司 电力线路无人机智能巡检控制方法和***
CN110059631A (zh) * 2019-04-19 2019-07-26 中铁第一勘察设计院集团有限公司 接触网非接触式监测缺陷识别方法
CN110197176A (zh) * 2018-10-31 2019-09-03 国网宁夏电力有限公司检修公司 基于图像识别技术的巡检数据智能分析***及分析方法
CN111524114A (zh) * 2020-04-17 2020-08-11 哈尔滨理工大学 一种基于深度学习的钢板表面缺陷检测方法
CN213182832U (zh) * 2020-09-27 2021-05-11 中铁电气化局集团有限公司 基于ai算法的高铁接触网设备巡检***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511495A (zh) * 2016-02-15 2016-04-20 国家电网公司 电力线路无人机智能巡检控制方法和***
CN110197176A (zh) * 2018-10-31 2019-09-03 国网宁夏电力有限公司检修公司 基于图像识别技术的巡检数据智能分析***及分析方法
CN110059631A (zh) * 2019-04-19 2019-07-26 中铁第一勘察设计院集团有限公司 接触网非接触式监测缺陷识别方法
CN111524114A (zh) * 2020-04-17 2020-08-11 哈尔滨理工大学 一种基于深度学习的钢板表面缺陷检测方法
CN213182832U (zh) * 2020-09-27 2021-05-11 中铁电气化局集团有限公司 基于ai算法的高铁接触网设备巡检***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113525183A (zh) * 2021-07-29 2021-10-22 北京南凯自动化***工程有限公司 一种铁路接触网障碍物清理***和方法
CN114485575A (zh) * 2021-12-31 2022-05-13 中铁武汉电气化局集团有限公司 一种接触网吊弦高清成像装置及其使用方法
CN114708484A (zh) * 2022-03-14 2022-07-05 中铁电气化局集团有限公司 适用于识别缺陷的图形分析方法

Similar Documents

Publication Publication Date Title
CN112001918A (zh) 基于ai算法的高铁接触网设备巡检方法及***
CN110569841B (zh) 基于卷积神经网络的接触网关键部件目标检测方法
CN106771856B (zh) 基于无人机技术的电力输电线路雷击点确定方法
CN109784138B (zh) 无人变电站图像数据化巡视方法
CN106327605A (zh) 一种巡检方法
CN104210500A (zh) 接触网悬挂状态检测监测装置及其工作方法
CN104978692A (zh) 手持终端采集***
CN109142978B (zh) 一种铁路接触网运行状态主动监测方法
CN110807460A (zh) 一种基于图像识别的变电站智能巡视***及其应用方法
CN104038373A (zh) 信息预警与自修复***及方法
CN110942221A (zh) 一种基于物联网的变电站故障快速修复方法
CN213182832U (zh) 基于ai算法的高铁接触网设备巡检***
CN111509840A (zh) 一种基于电网安全运维的无线集群可视化***及方法
CN115131505A (zh) 一种变电站多***融合的全景感知***
CN104902223A (zh) 电力线路的故障监控***
CN110597130A (zh) 一种无人值班变电站远程信息采集***
CN112884174A (zh) 公路日常养护信息管理方法和***
CN112614245A (zh) 一种基于gps定位的环卫作业车辆监控考核方法
CN105574872B (zh) 基于计算机图像与视觉识别的轨道扣件的检测方法
CN116631087A (zh) 一种基于无人机的电力巡检***
CN112150662A (zh) 一种电力***巡检通讯***及电力***巡检方法
CN115880803A (zh) 一种智能巡检***及方法
CN113449767B (zh) 一种多图像融合的变电站设备异常识别定位方法
CN210428558U (zh) 一种电力光缆巡检线路智能辅助***
CN112132819A (zh) 一种基于人工智能的通信网管监控方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination