苏州华兴致远电子科技有限公司技术总监李骏

　　我下面要汇报的题目是"铁路供电检测领域的人工智能解决方案"。主要内容包括三个方面，第一，机器视觉的简介，第二，供电安全检测领域的机器视觉，第三，机器视觉应用的几个成功案例。

 

　　人工智能就是我们所谓的人工制造出来的系统表现出来智能，通常指通过计算机实现的智能。人工智能的技术起源于20世纪50年代，经过半个多世纪的发展，现在已经成为一门跨科学，多分支的研究领域。随着互联网和云计算的崛起，人工智能在学术界掀起了机器视觉和数据挖掘为代表的研究热潮，并且在产业界取得了诸多成功应用。主要包含以下几个方面：

 

　　智能交通的应用，包括我们现在的车牌的抓牌，闯红灯，这几个主要应用的核心技术，包含了字符识别技术，车辆越界的检测技术和车流量的检测技术。在我们的供电这些领域中，我们的字符识别和超限越界的技术，都可以用这些技术来进行转化。

 

　　无人驾驶的发展，这个技术现在是在谷歌的无人驾驶车应用了42万公里，取得了美国的驾照，就是说这个车本身可以取得驾照，主要应用了摄像机的标定，全景的三维重建，以及全球定位和自动控制技术，现有的供电检测体系中，摄像机的标定技术，全景三维重建技术，这是会有一个比较有前景的技术。

 

　　人脸识别技术的提高，也是我们应用比较多，很多的公司可能门禁都直接用人脸，因为这个技术现在基本上就是应用比较广泛，也是比较成熟的。它主要是避免了光照、姿态、表情、背景灯变化导致人脸检测和识别一直是科研的热点，我们可以把这个技术应用在C2、C3和C4的一些智能识别里面。

 

 

　　铁路供电系统本身本身具有如下特点。第一，复杂性高。包括了受电弓接触网配电的子系统构成部件很复杂。第二，工作环境很恶劣，人工检测劳动强渡大，里程长，登高，检测效率低，用机器来提高人的这个检测效率和检测的故障发现率是一个必然的趋势。第三，接触网和受电弓的故障，除了尺寸测量，更多的就是结构的异常，或者是接触状态的不良，就是受电弓和弓网的接触状态不良引起的故障是比较多的，而我们利用机器视觉，它是有可行性的。因为我们可以采用我们之前提到比较成熟的视觉技术，包括摄像机的标定，标定技术，杆号字符识别技术，就是我们所谓的定位技术。目标的检测跟踪，特征提取，比对等成熟的机器视觉技术，对接触网的结构及弓网接触状态进行分析，这样就可以实现高效、准确的，故障的分析和定位。

 

　　我们公司核心技术有如下几条，第一是图象增强，第二是字符识别，第三是结构分析和形状检测，第四是目标检测与跟踪技术，第五是图像配准与图像检测技术。

 

　　第一，图象增强。其实是我们所有机器视觉的一个基础。在比较常见的，可能是在大雾的环境，或者说在逆光的环境。我们需要对这些图片进行增强，或者说滤波，滤光处理，或者说归一化处理，使每次检测的结果趋于一致性。这是一张我们在上海C2拍摄的相片，就是雾霾天气很多，不能不检测设备，这是我们拍摄的在上海，我们通过处理以后，同样的一张图，所有的图象它所有的可见和清晰度，把这个去雾去掉，对进一步的识别提供一个基础。

 

　　第二，光学字符识别的技术。这是我们所谓汽车车牌的抓拍，来识别车牌号。这个技术我们现在在高速运行，就是350公里的C2上面，我们可以实时的抓拍和识别光学字符。

 

　　第三，特征提取降维技术。这对我们的关键一些部件，包括了我们的定位器，或者说一些关键的螺旋和漯筱我们进行建模，我们怎么建呢，我们提取大量的同一部位的图象，我们对它进行降维，我们可以把图象划分三四五个正焦的特征，这样的话我们在进行识别的时候，进行定位的时候，它会大大的提高这个效率，这也是一个比较成熟的，也是运用比较广泛的一个技术，这是一个结构分析的，结构分析和形状检测技术。

 

　　第四，结构分析和形状检测技术。主要应用于我们的结构体的分析，包括了C2、C4，整个的主体部位的分析。结构分析和形状检测技术，它是对我们的关键位置进行定位，然后进行区分和建模，包括它的一些连接处，连接处的螺旋位置，精确的螺旋位置，包括结构体的定位器，结构体部位的一个建模，包括它上面的关键的螺旋位置进行建模。包括了一些别的类似关键部件。同时，我们也对整体的一个，就是它形成的一个固体，因为结构紧固了以后会行为一个尾的固体，我们会进行一个全体的建模，这个建模的作用是我们对它的形状信息，采用带方向的这个边缘特征来进行描述，实现了对光线亮暗不同的规划。

 

　　C2目标跟踪检测与几何模型分析的技术，它技术的一个特征就是在于高速运行，我们快速定位我们需要定位的物体，包括了接触网的整体，同时实时的分析出所有的连接处之间的相对关系，这个相对关系包括了一个位置关系，角度关系，包括了我们上面的接触线，大家可以看到这上面，我们会把接触线吊弦位置标下来，自动分析入库。当我们第二次就是同样经过这根杆的时候，我们通过GPS，我们通过公里标，可以确定这根杆，这样的话上一次通过的时候，我已经有记录你所有的这个相对位置关系。那么我第二次再进入这个杆的时候，拍摄这个杆的时候，分析它的位置关系以后，对这个位置关系进行比对和检测。当位置关系发生变化的时候，那么我认为你这个肯定是有松脱，把这个固体特性打破了。

 

　　第五，图像配准与图像检测技术。图像配准技术是我们就是更深入的进一步，就是第一个刚才讲的这个是结构特征，就是相对关系，这一个是基于内容的一个变化检测与配准，它的运用的原理和人脸识别是一样，抓拍两个以后，我对你进行是配准，配准了以后我对你的配准以后的图像，这是一个配准的过程，对配准以后的图像，我进行一个抑或，抑或了以后大家可以看到，这两张图像是在完全不同的条件下拍摄的，一个是阴天，这是有一点下雨，这个可以看到有一点不太清楚，这是逆光下拍摄的，而且拍摄的角度不是完全相同。但是我做抑或以后配准了抑或以后，可以发现这些位置已经全部配上了，但是在这根杆的位置出现了比较大的一个漂移，这种情况下我们就是通知到现场的话，可以检测到一个防风线的一个断裂，这是自动识别，发现了结构异常以后，再进行反向的检测，可以发现是防风线断裂造成的。

 

　　也用于C4高精度的一个检测，我们做的是图像配准与变化检测。第一步我们做高精度的定位，通过粗定位加精定位的多级模型实现了，起到了关键部位的一个定位速度，可能先用我的这个接触线夹一个大的模型，来在这个全图搜索，搜索到比较附近的位置以后，我们通过它的螺栓比较小的模型局部搜索，找到关键的位置，我们对关键的位置进行和它上次建的，我说的那个形状模型进行比较，比较了以后，我们可以发现有破损，这个也是一个自动的过程。

 

 

　　在图像检测技术方面我们和很多铁路局一直在做一些项目的合作，他们对鸟窝的这个很多局提到了鸟窝的自动识别问题。我们也专门就这个做了一个特项开发，鸟窝采用了特征查找的办法来做，我们可以看一下特征查找，鸟窝是有什么特征的，特征是有很多的分杈，因为它是用树枝接起来的，我们对分杈点进行标注，我们可以看到这个图上，可以看到这个位置，它有几个特征点，就是分杈的特征点。这个地方也有几个，但是这边的分杈点大小和特征更接近鸟窝的特征。我们通过一个聚类的办法，这个形状更像鸟窝，它的位置在我们的立柱上，这个位置和形状适合这个鸟窝。

 

　　我们现在正在进行的一个技术，是一个基于双目视觉的三维重建，它的一个主要是通过双目成像的办法，模拟人眼的视觉，我们来获得所有的深度信息，这是一个我们做出来的尝试。现在定位远处和近处，用不同的灰度级表示，对接触网的运行环境进行重建，包括列车的运行环境，接触网的外部环境进行重建。最终的目标就是对环境接触网结构，构建三围模型，进一步减少外界环境对这个智能分析的影响，它的目标主要解决了光照这些的影响，可以进一步的减轻，是一个实际三维的识别。

 

 

　　我们公司现在主要有在C2、C3、C4三个系统上面应用机器视觉的技术，第一个是C4我们在上海铁路局的综合巡检车安装的，车号是10746，2012年9月应用，现在对沪宁、沪杭、虹桥进行了检修，运行公里达到三千公里，

 

　　C3的利用主要就是对放电，接触线和弓网之间放电进行自动抓拍，自动分析和记录。我们在南昌铁路局动车段CRH2进行安装，通过了铁道部和南昌局的技术评审应用。详细记录了CRH2动车组的受电弓的状态，采集了线路的弓网动态关系。自动分析了弓网连续火花放电集中地段13处，发现都是网的问题。较大电弧放电32处，接触网或受电弓的悬挂异物故障及隐患，并记录了两处的逐渐加重并导致检测受电弓发生故障的一个历程，这是大概应用了半年的一个时间。这是安装的一个图，它是直接在CRH2动车上面，利用既有的螺孔进行的安装，不改变这个动车的流体力学的结构，这是我们车载的，运行模式就是人在车内，上面发生了报警以后，机械式可以直接在车内观察这一段的，就是放电的情况，是否对这个受电弓破坏，这是一个实时的报警和检修。

 

　　我们现在做的可以通过无线连到铁路局，我们想连到铁道部做专家系统，它的目标是什么，当我们出现降弓的情况，我们以前出现5个小时别人砸窗，降弓的时候铁道部的专家不一定可以到现场，我们可以通过远程直接访问我车上的显示器，我可以直接的控制上面摄象头，包括回放，我可以直接的看摄象头，就是上面的弓网的关系，车顶的情况，而来指导是否要在升弓，或者说继续等待进行抢修，相当于是这样的一个目标，这是高速的放电自动识别抓拍的一些很多处的图象。

 

　　C2系统因为是便携式的，我们在南昌、沈阳、北京和西安的几个铁路局都去采了很多的图象，并进行了一些分析。从2012年10月我们开始进行这跑车的实验，开机并分析接触网的状态，自动分析接触网18处， C2的结构配准了以后找出差异以后分析，我们可以看到这是防风拉线丢失造成的变形，这是我之前说的故障。可以看到两个背景和色彩差了很大，这个环境影响很大，这种情况下，我们进行检修了以后，对防风拉线的结构变化，可以实现一个有效的预警。

 

　　我们现在的就是对这个可识别的结构异常，就是通过机器视觉的模式，在这个供电领域主要包括了这几种，包括了裂痕异物，螺栓丢失，包括螺栓窜出，铆钉丢失，包括了螺帽的丢失，包括螺丝松动，这是反面的情况。这是反向定位器，我们是对定位器上面的这些关键的螺栓，所有有效的预警。这是接触线夹，我们说接触线夹很重要，我们对接触线夹上面的，主要是对它的固定紧固螺栓进行分析，包括了它的松动和脱落以及破损。

 

　　从目前的运用情况来看，机器视觉技术在C2、C3、C4开始应用，实现了减轻70%，我们利用了之后减轻70%以上人工看图工作量的效果。就是我们减少了70%的人工看图量，我们还会有一些误报需要人看这是不是一个故障，我们提出疑似，随着图象技术的进一步发展和越来越多的公司和技术团队参与到铁路供电检测领域检测，更多新的技术和方案应该会不断的涌现，我觉得这个技术会中国铁路供电系统安全提供保证。