一种驼峰溜放车辆智能预检报警系统技术方案

一种驼峰溜放车辆智能预检报警系统，包括：图像处理方法、深度学习方法、图像智能分析、大数据、自动化运用到驼峰溜放防护领域，利用图像方法、深度学习方法、图像智能分析的方法，对驼峰溜放车辆车低进行实时监控，采集车低视频内容进行分析，判断视频中目标形态变化，并通过设置的条件和规则，识别出多种车辆的制动抱闸，计算出活塞杆伸出长度，判断是否超过设定阈值，从而实现对潜在风险的预警、判断。本发明专利技术的优点：用于铁路货车车底全景检测、预警的方法，采集即将驼峰溜放的货车的车底图像信息，从而实现对潜在风险的预警、预判；通过设置的条件和规则，计算出鞲鞴杆伸出长度，结合设定阈值判断预警车辆，识别出铁路货车的制动抱闸。动抱闸。动抱闸。

【技术实现步骤摘要】
一种驼峰溜放车辆智能预检报警系统


[0001]本专利技术涉及铁路驼峰溜放领域，尤其涉及一种驼峰溜放车辆智能预检报警系统。

技术介绍

[0002]在铁路编组场，驼峰溜放车辆的途停严重危害着驼峰作业的安全，它不仅对运输效率造成影响，需要机车下峰顶量，延误了作业时间，而且存在着极大的安全隐患，待溜放车辆出现抱闸，副风缸冲风的情况多有发生。因此，动态检测车辆抱闸情况并对问题车辆进行预警，对于保证生产安全具有很重要的现实意义。

技术实现思路

[0003]本专利技术针对以上问题提出，用于驼峰溜放车辆智能预检报警系统。系统通过深度学习方法、远程控制、语音报警、视频方法、智能分析方法等集成与应用，实现对于鞲鞴杆的实时检测。
[0004]本专利技术提供了一种驼峰溜放车辆智能预检报警系统，其特征在于：包括：图像处理方法、深度学习方法、图像智能分析、大数据、自动化运用到驼峰溜放防护领域，利用图像方法、深度学习方法、图像智能分析的方法，对驼峰溜放车辆车低进行实时监控，采集车低视频内容进行分析，判断视频中目标形态变化，并通过设置的条件和规则，识别出多种车辆的制动抱闸，计算出活塞杆伸出长度，判断是否超过设定阈值，从而实现对潜在风险的预警、判断。
[0005]采用磁钢传感器识别火车来车识别单元，来车识别单元由安装在轨道上的单路计轴磁钢构成，磁钢触发电信号，发送至逻辑控制单元，逻辑控制单元确认火车开始溜放，开启箱体盖并启动视频采集单元并启动图像识别服务识别异常车辆。
[0006]列车测速是由测速磁钢实现，能够适应车速范围为0
‑
300km/h，有效的识别了车辆运行状态。
[0007]图像智能识别方法包括智能分析单元：智能分析单元由智能识别服务器和智能识别算法构成，通过深度学习构建识别模型，对相机回传视频流解析，识别车低闸缸伸出长度，与预值对比确认是否为抱闸状态。
[0008]在系统核心方法图像智能识别方面，采用基于CNN卷积神经网络的车型识别算法模型、基于传统机器学习(SVM)的列车部件定位算法模型、基于目标检测深度神经网络的细节部件识别及异常判定算法模型，算法采用GPU加速，并优化CNN网络结构，对项点具有针对性计算，并采用TensorRT框架进行网络推理加速，相对于传统网络推理加速，效率可提升3倍以上；在部署架构上，使用异步方式，对服务器设计位自动均衡负载的结构，充分利用服务器硬件资源，从而起到加速检测识别的效果。很好的解决了检测识别率、检测项点覆盖率、检测效率和硬件资源之间的关系，使得基于深度学习方法的列车图像识别功能能够在行业内得到应用和推广成为可能。
[0009]通过建立学习模型，运用深度学习算法，实现对现场采集的实时的过车图像对检
测目标特征进行标记和训练，在学习中找出特征和标记之间的映射关系。通过标记不断的纠正学习中的偏差，使学习的预测率不断提高，可以实现在动态推峰作业过程中，实现对于目标鞲鞴杆的实时检测，通过智能算法与管控平台、控制系统的联动实现驼峰现场和调度室的实时预警。
[0010]驼峰溜放车辆智能预检报警系统的硬件结构，左箱1设置在左侧，主箱2设置在中间，右箱3设置在右侧，连接板13为箱体之间的连接板，沉箱盖9为顶部沉箱盖结构，弹簧锁扣10为与左箱1、主箱2和右箱3的连接固定件；电机7与电机齿轮8进行连接并通过齿轮组11传输动力，实现沉箱盖9的开启与关闭，到位开关12能限定沉箱盖9开启与关闭的位置，沉箱盖9安装在滑道14上，能沿滑道14移动，箱体上均设置有补光灯4、摄像头5和温湿度传感器6。
[0011]驼峰溜放车辆智能预检报警系统，将图像智能检测、自动化方法应用到自动化方法应用到铁路驼峰溜放检测领域，具体包括：图像识别服务、车号识别服务、语音预警服务、抱闸展示平台。
[0012]图像识别服务通过深度学习构建识别模型，对相机回传视频流解析，识别车底闸缸伸出长度，与预设值对比确认是否为抱闸状态。
[0013]车号识别服务通过车号识别硬件设备，采用RFID识别车底标签，解析出车号、车型等信息，实现与检测车辆自动匹配，为实时报警、数据统计提供基础。
[0014]语音预警服务通过图像识别反馈信息，对疑似抱闸车辆进行播报，提示车号车厢顺序号。
[0015]抱闸展示平台反馈历史抱闸数据，查看当前设备运行状态，车底实时车底实时图像查看，配置系统参数，疑似抱闸车辆提醒确认，历史数据统计，过车动画效果展示。
[0016]本专利技术的优点：同现有方法相比优势具体如下：用于铁路货车车底全景检测、预警的方法，通过融合图像处理方法、深度学习方法、图像智能分析、大数据处理、自动化控制方法，采集即将驼峰溜放的货车的车底图像信息，从而实现对潜在风险的预警、预判；用于铁路货车车底鞲鞴杆伸出长度尺寸测量的方法。针对不同的车型底部构件的自动识别与定位、自动测量构件尺寸，判断构件目标形态变化，并通过设置的条件和规则，计算出鞲鞴杆伸出长度，结合设定阈值判断预警车辆，识别出铁路货车的制动抱闸。
附图说明
[0017]下面结合附图及实施方式对本专利技术作进一步详细的说明：图1为驼峰溜放车辆智能预检报警系统流程图；图2为驼峰溜放车辆智能预检报警系统主视图；图3为驼峰溜放车辆智能预检报警系统C
‑
C向示意图；图4为驼峰溜放车辆智能预检报警系统立体示意图；图5为驼峰溜放车辆智能预检报警系统侧视图。
具体实施方式实施例
[0018]本专利技术提供了一种驼峰溜放车辆智能预检报警系统，其特征在于：包括：图像处理方法、深度学习方法、图像智能分析、大数据、自动化运用到驼峰溜放防护领域，利用图像方法、深度学习方法、图像智能分析的方法，对驼峰溜放车辆车低进行实时监控，采集车低视频内容进行分析，判断视频中目标形态变化，并通过设置的条件和规则，识别出多种车辆的制动抱闸，计算出活塞杆伸出长度，判断是否超过设定阈值，从而实现对潜在风险的预警、判断。
[0019]采用磁钢传感器识别火车来车识别单元，来车识别单元由安装在轨道上的单路计轴磁钢构成，磁钢触发电信号，发送至逻辑控制单元，逻辑控制单元确认火车开始溜放，开启箱体盖并启动视频采集单元并启动图像识别服务识别异常车辆。
[0020]列车测速是由测速磁钢实现，能够适应车速范围为0
‑
300km/h，有效的识别了车辆运行状态。
[0021]图像智能识别方法包括智能分析单元：智能分析单元由智能识别服务器和智能识别算法构成，通过深度学习构建识别模型，对相机回传视频流解析，识别车低闸缸伸出长度，与预值对比确认是否为抱闸状态。
[0022]在系统核心方法图像智能识别方面，采用基于CNN卷积神经网络的车型识别算法模型、基于传统机器学习(SVM)的列车部件定位算法模型、基于目标检测深度神经网络的细节部件识别及异常判定算法模型，算法采用GPU加速，并优化CNN网络结构，对项点具有针对性计算，并采用TensorRT框架进行网络推理加速，相对于传统网络推理加速，效率可提升3倍以上；在部署本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驼峰溜放车辆智能预检报警系统，其特征在于：包括：图像处理方法、深度学习方法、图像智能分析、大数据、自动化运用到驼峰溜放防护领域，利用图像方法、深度学习方法、图像智能分析的方法，对驼峰溜放车辆车低进行实时监控，采集车低视频内容进行分析，判断视频中目标形态变化，并通过设置的条件和规则，识别出多种车辆的制动抱闸，计算出活塞杆伸出长度，判断是否超过设定阈值，从而实现对潜在风险的预警、判断。2.根据权利要求1所述的一种驼峰溜放车辆智能预检报警系统，其特征在于：采用磁钢传感器识别火车来车识别单元，来车识别单元由安装在轨道上的单路计轴磁钢构成，磁钢触发电信号，发送至逻辑控制单元，逻辑控制单元确认火车开始溜放，开启箱体盖并启动视频采集单元并启动图像识别服务识别异常车辆。3.根据权利要求1所述的驼峰溜放车辆智能预检报警系统，其特征在于：列车测速是由测速磁钢实现，能够适应车速范围为0
‑
300km/h。4.根据权利要求1所述的驼峰溜放车辆智能预检报警系统，其特征还在于：图像智能识别方法包括智能分析单元：智能分析单元由智能识别服务器和智能识别算法构成，通过深度学习构建识别模型，对相机回传视频流解析，识别车低闸缸伸出长度，与预值对比确认是否为抱闸状态。5.根据权利要求1所述的驼峰溜放车辆智能预检报警系统，其特征还在于：在系统核心方法图像智能识别方面，采用基于CNN卷积神经网络的车型识别算法模型、基于传统机器学习的列车部件定位算法模型、基于目标检测深度神经网络的细节部件识别及异常判定算法模型，算法采用GPU加速，并优化C...

【专利技术属性】
技术研发人员：范伟，李正倩，陈兴来，王健，向志超，冯国东，石岩，郭子双，赫一光，王海林，
申请(专利权)人：辽宁鼎汉奇辉电子系统工程有限公司，
类型：发明
国别省市：