一种利用类脑技术识别受电弓缺陷的装置制造方法及图纸

本发明专利技术公开了一种利用类脑技术识别受电弓缺陷的装置，包括图像视频采集设备、边缘处理板、存储单元和供电模块，图像视频采集设备采集列车在运行状态下的图像视频，通过传输系统传输至边缘处理板中进行处理并识别特征，并将识别结果通过数据输出。本发明专利技术采用国产类脑处理器灵汐KA200，利用脉冲神经网络SNN技术通过图像识别检测受电弓的各种缺陷，具有小样本学习、高速动态响应和检测率高等特点，相比传统深度学习技术更适合复杂环境的受电弓环境，可结合其他设备对受电弓进行多模态应用；将现场采集和拍摄的高清可见光视频和热红外的视频，传输给边缘侧处理板，利用训练好后的SNN模型进行智能分析，以实现自动判定受电弓故障的目的。目的。目的。

【技术实现步骤摘要】
一种利用类脑技术识别受电弓缺陷的装置


[0001]本专利技术涉及属于轨道交通行业，涉及受电弓和人工智能图像识别
，具体涉及一种利用类脑技术识别受电弓缺陷的装置。

技术介绍

[0002]机车受电弓是电气化铁路电力机车从接触网上受取电流的装置。受电弓状态的好坏直接影响到列车的安全、可靠运营，其故障甚至可能造成运输中断。
[0003]目前在实际电气化线路上仅仅实现了受电弓的视频监控及故障的人工识别，而未完全实现故障的自动识别。由于人工识别效率低、工作量大、不能检测运行中的受电弓，逐渐被基于图像自动识别的自动化检测所代替。
[0004]现有的自动化检测是基于传统深度学习的算法和架构，实际应用时因为现场环境复杂、训练异常样本少等问题导致自动化检测精度不高。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种利用类脑技术识别受电弓缺陷的装置，包括图像视频采集设备、边缘处理板、存储单元和供电模块，图像视频采集设备采集列车在运行状态下的图像视频，通过传输系统传输至边缘处理板中进行处理并识别特征，并将识别结果通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用类脑技术识别受电弓缺陷的装置，其特征在于，包括图像视频采集设备、边缘处理板、存储单元和供电模块，图像视频采集设备采集列车在运行状态下的图像视频，通过传输系统传输至边缘处理板中进行处理并识别特征，并将识别结果通过数据输出。2.根据权利要求1所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述存储单元与边缘处理板连接，为边缘处理板提供存储空间，用于存储图像文件和视频文件，存储单元采用NVR硬盘。3.根据权利要求1所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述供电模块用于对边缘处理板进行供电，供电模块使用UPS稳压器。4.根据权利要求1所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述图像视频采集设备可采用高清可见光相机、热红外相机。5.根据权利要求1所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述边缘处理板采用灵汐KA200类脑处理板，其自带视频图像编解码和图像预处理功能模块，通过基于SNN架构的图像处理和识别算法模型，对Al识别进行硬件加速。6.根据权利要求5所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述边缘处理板通过将图像视频采集设备采集到的图片文件和视频文件进行视频图像编解码、图像预处理后提取目标区域，再提取目标特征，并进行特征识别，判断受电弓状态，并将结果输出。7.根据权利要求6所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述受电弓状态包括受电弓正常、受电弓出现裂纹、受电弓倾斜、受电弓磨损。8.根据权利要求1所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述装置处理过程可分为SNN推理流程和SNN训练流程。9.根据权利要求8所述的一种利用类脑技术识别受电弓缺陷的装置，其特征在于，所述SNN推理流程包括：(1)视频图像采集，图像视...

【专利技术属性】
技术研发人员：郗汭，贾荣，李波，黄思俊，
申请(专利权)人：北京天睿视迅科技有限公司武汉尚易星通科技有限公司，
类型：发明
国别省市：