一种基于目标检测的行车数据分析系统和方法技术方案

本发明专利技术公开了一种基于目标检测的行车数据分析系统和方法，通过对所述原始振动信号进行调制解调获得振动信号瀑布图，根据振动信号瀑布图制作标签文件，把瀑布图以及标签文件随机划分为训练集、验证集和测试集；利用改进的Yolov5s模型构建对瀑布图进行目标检测的神经网络，该神经网络调用训练集、验证集和测试集内的数据进行训练，得到行车数据分析模型；该模型用于对振动信号瀑布图进行异常振动信号的目标检测，得到行车数据中的异常振动信号所在的测区和持续时间段。本发明专利技术采用改进的Yolov5s模型对解调后的振动信号进行识别，改进后的Yolov5s模型准确度更高，识别速度更快；当轨道出现异常状况时能及时预警。当轨道出现异常状况时能及时预警。当轨道出现异常状况时能及时预警。

【技术实现步骤摘要】
一种基于目标检测的行车数据分析系统和方法


[0001]本专利技术属于图像识别
，具体涉及一种基于目标检测的行车数据分析系统和方法。

技术介绍

[0002]随着火车和铁路技术在中国的多元化发展，轨道交通呈现出越来越多的类型，在交通运输中占据了很大比重。然而，列车运行过程中，轮轨可能产生故障，外界人员入侵事件也会破坏列车运行环境，从而严重影响列车运行时的安全，造成经济与人员损失。因此，准确及时地识别出异常情况类型对轨道交通安全地保障尤为重要。传统的安全检测技术无法实现分布式的动态检测(多点位的实时收集数据)，无法实现对轨道的全时全域的检测，无法对轮轨的状态进行细致的检测，比如检测地铁列车的车轮和轨道的磨损情况，也无法实时对外界施工、轮轨异常、人员入侵等问题进行分类报警。
[0003]近年来，基于图像识别的技术在轨道安全检测中的应用有一定的进展。现有的轨道安全检测方法，通过手持式病害记录仪采集储存异常情况图像，建立异常情况数据集，并通过传统机器学习方法，对特定的异常情况特征进行特征提取之后，使用SVM等机器学习算法对提取的特征进行分类，因此其识别效果很大程度上取决于人工设计的特征。而轨道交通的异常情况的表征具有复杂多样性，特定的异常情况特征不能完全体现轨道安全的异常情况，从而造成识别精度低、泛化效果差。此外，图像识别技术还存在模型参数大、检测效率低等问题。

技术实现思路

[0004]为了提高轨道安全检测的效率和检测精度，本专利技术提出了一种基于目标检测的行车数据分析方法和系统。
[0005]实现本专利技术目的之一的一种基于目标检测的行车数据分析系统，包括振动信号获取模块、数据集建立模块、行车数据分析模型构建模块；
[0006]所述振动信号获取模块用于通过布置于轨道处的分布式光纤振动传感网络获取轨道的原始振动信号，对所述原始振动信号进行调制解调获得振动信号瀑布图；
[0007]所述数据集建立模块用于根据振动信号瀑布图得到用于标识异常振动信号的标签文件，将所述振动信号瀑布图以及对应的标签文件按照设定比例随机划分为训练集、验证集和测试集；
[0008]所述行车数据分析模型构建模块用于利用改进的Yolov5s模型构建对振动信号瀑布图进行目标检测的神经网络，该神经网络调用所述训练集、验证集和测试集进行训练，得到行车数据分析模型；该模型用于对振动信号瀑布图进行异常振动信号的目标检测，得到行车数据中的异常振动信号所在的测区和持续时间段。
[0009]上述系统中，所述改进的Yolov5s模型在现有Yolov5s模型的每一个C3模块之前添加SPD
‑
Conv模块，所述SPD
‑
Conv模块用于将任意大小的中间特征图切割出多个子特征图并
进行非跨步卷积，以便提取瀑布图中的异常特征，能有效提高行车数据分析模型的异常目标检测效果；所述非跨步卷积的作用是修改子特征图的通道数；所述异常特征包括：将每个行车振动信号测区各个时段的瀑布图与对应行车振动信号测区的标准瀑布图进行比对，如果在某个测区存在振动信号消失、振动信号的持续时间比对应的标准瀑布图中的持续时间长或者短、振动信号的振动强度与标准瀑布图对应位置的振动强度不同，则均认为瀑布图中存在异常特征；其中行车振动信号测区的标准瀑布图在前期进行轨道无异常情况下的实验获取。
[0010]SPD
‑
Conv模块包括SPD模块和Conv模块，SPD模块用于将任意大小的中间特征图切割出多个子特征图，提取更加丰富的特征量，Conv模块用于对SPD模块分割出的子特征图进行非跨步卷积。
[0011]所述Conv模块使用带有C2滤波器的非跨步卷积层，所述C2滤波器是指在卷积时把子特征图的通道数从C1变化到C2，且C2＝scale2×
C1；其中scale为SPD模块的切割步长，C1为中间特征图或子特征图的通道数量，中间特征图和子特征图的通道数量相同。
[0012]所述SPD模块对中间特征图进行切割时的切割步长scale设为2；所述切割步长scale即将子特征图的均分切割成scale*scale个子特征图；如scale设置为2，则将子特征图切割成4(2*2)个子图，每个子图的长度和宽度都为原子特征图的1/2；如scale设置为3，则将子特征图切割成9(3*3)个子图，每个子图的长度和宽度都为原子特征图的1/3。
[0013]进一步地，如果振动信号瀑布图包含异常振动信号，则经过目标检测后的振动信号瀑布图包含异常振动信号的测区、时间段、异常种类和置信度。所述异常振动信号即将每个行车振动信号测区各个时段的瀑布图与对应行车振动信号测区的标准瀑布图(前期进行轨道无异常情况下的实验获取)进行比对，如果在某个测区存在振动信号消失或者振动信号的持续时间过长、过短或者振动信号的振动强度与标准瀑布图对应位置的振动强度不同，则认为存在异常振动信号。
[0014]上述系统中，还包含标签文件制作模块，用于根据振动信号瀑布图得到用于标识异常信号的标签文件；所述标签文件和其对应的振动瀑布图共同作为原始数据集对行车数据分析模型进行训练。
[0015]所述标签文件的文件名的前缀与其对应的瀑布图的文件名的前缀相同，标签文件中每一行数据对应图像中的一个选择框，所述选择框是对异常部分图像的框选，每行第一个数字是异常的种类，每个异常种类后的4个数值对应选择框在图中的坐标参数。
[0016]进一步地，获得振动信号瀑布图的方法包括：
[0017]S101、可调谐窄线宽激光器发出设定光功率的连续光作为分布式光纤振动传感网络的光源；声光调制器对连续光进行脉冲调制得到脉冲光；对脉冲光进行功率放大后进入分布式光纤振动传感网络中；
[0018]S102、分布式光纤振动传感网络中的传感通道反射回脉冲光序列，所述反射回的脉冲光序列进入不等臂Mach
‑
Zehnder干涉仪中，干涉仪将对应传感位置振动引起的光相位信息转换成光强度信息，通过多路耦合器输出至多路光电探测器得到多路电信号，对所述多路电信号通过相位解调算法得到振动传感信息；
[0019]S103、将所述振动传感信息整合为瀑布图，瀑布图的横轴表示不同测区，纵轴表示时间，颜色和侧边的颜色
‑
强度度量表共同表示该测区该时间段中振动传感信息的强度。
[0020]实现本专利技术目的之二的一种基于目标检测的行车数据分析方法，包括如下步骤：
[0021]S1、通过布置于轨道处的分布式光纤振动传感网络获取轨道的原始振动信号，对所述原始振动信号进行调制解调获得振动信号瀑布图；
[0022]S2、对所述每张振动信号瀑布图制作对应的标签文件，把所述瀑布图以及对应的标签文件按照设定比例随机划分为训练集、验证集和测试集；所述标签文件用于记录对应瀑布图中存在的异常部分的种类和其在瀑布图中的位置参数；
[0023]S3、利用改进的Yolov5s模型构建对振动信号瀑布图进行目标检测的神经网络，该神经网络调用所述训练集、验证本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测的行车数据分析系统，其特征在于，包括振动信号获取模块、数据集建立模块、行车数据分析模型构建模块；所述振动信号获取模块用于通过布置于轨道处的分布式光纤振动传感网络获取轨道的原始振动信号，对所述原始振动信号进行调制解调获得振动信号瀑布图；所述数据集建立模块用于根据振动信号瀑布图得到用于标识异常振动信号的标签文件，将所述振动信号瀑布图以及对应的标签文件按照设定比例随机划分为训练集、验证集和测试集；所述行车数据分析模型构建模块用于利用改进的Yolov5s模型构建对振动信号瀑布图进行目标检测的神经网络，该神经网络调用所述训练集、验证集和测试集中的瀑布图及对应的标签文件进行训练，得到行车数据分析模型；该模型用于对振动信号瀑布图进行异常振动信号的目标检测，得到行车数据中的异常振动信号所在的测区和持续时间段。2.如权利要求1所述的基于目标检测的行车数据分析系统，其特征在于，所述改进的Yolov5s模型在现有Yolov5s模型的每一个C3模块之前添加SPD
‑
Conv模块，SPD
‑
Conv模块用于将任意大小的中间特征图切割出多个子特征图并对所述子特征图进行非跨步卷积，以便提取瀑布图中的异常特征。3.如权利要求2所述的基于目标检测的行车数据分析系统，其特征在于，SPD
‑
Conv模块包括SPD模块，SPD模块用于将任意大小的中间特征图切割出多个子特征图。4.如权利要求3所述的基于目标检测的行车数据分析系统，其特征在于，SPD
‑
Conv模块包括Conv模块；Conv模块用于对SPD模块分割出的多个子特征图进行非跨步卷积。5.如权利要求3或4所述的基于目标检测的行车数据分析系统，其特征在于，SPD模块对中间特征图进行切割时的切割步长scale设为2。6.如权利要求1所述的基于目标检测的行车数据分析系统，其特征在于，如果振动信号瀑布图包含异常振动信号，则经过目标检测后的振动信号瀑布图包含异常振动信号的测区、时间段、异常种类和置信度。7.如权利要求1所述的基于目标检测的行车数据分析系统，其特征在于，还包含标签文件制作模块，用于根据振动信号瀑布图得到用于标识异常信号的标签文件；...

【专利技术属性】
技术研发人员：陈君钰枫，潘金军，胡临风，董昊男，李政颖，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：