CN213182832U - 基于ai算法的高铁接触网设备巡检*** - Google Patents
基于ai算法的高铁接触网设备巡检*** Download PDFInfo
- Publication number
- CN213182832U CN213182832U CN202022160354.6U CN202022160354U CN213182832U CN 213182832 U CN213182832 U CN 213182832U CN 202022160354 U CN202022160354 U CN 202022160354U CN 213182832 U CN213182832 U CN 213182832U
- Authority
- CN
- China
- Prior art keywords
- picture
- module
- defect
- vehicle
- mobile terminal
- 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.)
- Active
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本实用新型公开基于AI算法的高铁接触网设备巡检***,包括:采集模块、车载视频***、辅助分析服务器和移动终端,其中,采集模块,用于采集对铁路接触网的杆塔、导线进行图片数据采集;车载视频***,用于存储所述图片数据,并将图片数据上传至辅助分析服务器;辅助分析服务器,用于对图片数据进行智能分析,提取疑似缺陷图片、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、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;移动终端,用于接收检修列表,供检修人员查看。本实用新型***架构简单、易于推广,可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
技术领域
本实用新型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***。
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。
实用新型内容
为了解决上述技术问题,本实用新型提出基于AI算法的高铁接触网设备巡检***。为了达到上述目的,本实用新型的技术方案如下:
基于AI算法的高铁接触网设备巡检***,包括:采集模块、车载视频***、辅助分析服务器和移动终端,所述采集模块与车载视频***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,
所述采集模块,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。
优选地,所述采集模块为车载摄像头阵列。
基于上述技术方案,本实用新型的有益效果是:
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:本实用新型的基于AI算法的高铁接触网设备巡检***的结构框图;
图2:本实用新型的基于AI算法的高铁接触网设备巡检方法的流程图。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
下面将结合本实用新型实施例中的附图,对本实用新型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***,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。
如图2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。
以上所述仅为本实用新型所公开的基于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 (3)
1.基于AI算法的高铁接触网设备巡检***,其特征在于,包括:采集模块、车载视频***、辅助分析服务器和移动终端,所述采集模块与车载视频***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,
所述采集模块,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。
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***,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。
3.根据权利要求1或2所述的基于AI算法的高铁接触网设备巡检***,其特征在于,所述采集模块为车载摄像头阵列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022160354.6U CN213182832U (zh) | 2020-09-27 | 2020-09-27 | 基于ai算法的高铁接触网设备巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022160354.6U CN213182832U (zh) | 2020-09-27 | 2020-09-27 | 基于ai算法的高铁接触网设备巡检*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN213182832U true CN213182832U (zh) | 2021-05-11 |
Family
ID=75776977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202022160354.6U Active CN213182832U (zh) | 2020-09-27 | 2020-09-27 | 基于ai算法的高铁接触网设备巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN213182832U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001918A (zh) * | 2020-09-27 | 2020-11-27 | 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方法及*** |
-
2020
- 2020-09-27 CN CN202022160354.6U patent/CN213182832U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001918A (zh) * | 2020-09-27 | 2020-11-27 | 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方法及*** |
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*** | |
CN111307823B (zh) | 基于边云协同的变电设备典型视觉缺陷检测***及方法 | |
CN110569841B (zh) | 基于卷积神经网络的接触网关键部件目标检测方法 | |
CN106814726B (zh) | 车载终端can信号自动化测试方法及装置、自动测试台架 | |
CN110807460B (zh) | 一种基于图像识别的变电站智能巡视***及其应用方法 | |
CN109784138B (zh) | 无人变电站图像数据化巡视方法 | |
CN106327605A (zh) | 一种巡检方法 | |
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 | |
CN213182832U (zh) | 基于ai算法的高铁接触网设备巡检*** | |
CN110942221A (zh) | 一种基于物联网的变电站故障快速修复方法 | |
CN102426453A (zh) | 汽车远程诊断装置及方法 | |
CN115131505A (zh) | 一种变电站多***融合的全景感知*** | |
CN116631087A (zh) | 一种基于无人机的电力巡检*** | |
CN116866512A (zh) | 一种光伏电站巡检***及其运行方法 | |
CN105574872B (zh) | 基于计算机图像与视觉识别的轨道扣件的检测方法 | |
CN112614245A (zh) | 一种基于gps定位的环卫作业车辆监控考核方法 | |
CN112150662A (zh) | 一种电力***巡检通讯***及电力***巡检方法 | |
CN110942163A (zh) | 一种基于大数据的智能检修方法和*** | |
CN115880803A (zh) | 一种智能巡检***及方法 | |
CN210428558U (zh) | 一种电力光缆巡检线路智能辅助*** | |
CN113449767B (zh) | 一种多图像融合的变电站设备异常识别定位方法 | |
CN113110243B (zh) | 一种施工作业现场安全智能化管控平台 | |
CN202904690U (zh) | 开闭所智能巡检*** | |
CN108121303A (zh) | 一种应用于制造设备统计分析过程的日志记录方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |