【技术实现步骤摘要】
本专利技术涉及铁路工程领域，尤其涉及一种铁路巡检数据场景的人工智能判断系统及其方法。
技术介绍
1、随着我国铁路里程的飞速增长，铁路巡检、铁路基础设施及其部件的检测任务越来越繁重。以往，铁路巡检和基础设施的检测由人工巡道或专用的设备来完成。人工巡道对工人素质的要求较高，工作强度高，且由于人的注意力容易分散而造成漏检。随着科技的进步，铁路基础设施及其部件的检测逐步升级为专门的检测工具或作业车辆。铁路基础设施及其部件的种类较多，直接导致了专门的检测工具或系统也较多，每一类工具都需要配备专门的技术人员操作，对铁路工务部门来说费时费力。
2、近些年，铁路综合巡检车逐步推向铁路市场，综合巡检车将多种检测工具、检测系统集中到同一辆检测车上，利用一个作业天窗完成铁路多个部件的检测工作，铁路巡检中从点到面到体可以采集数据的场景非常多，而更多的采集场景，往往能导致日后数据集更有价值，更能够进行数据价值化、数据知识产权化，在面对铁路巡检的大量数据场景，需要一个能够提高对特征点的识别量，提高对巡检场景的判断准确度。
3、因此，有必要提供一种新的铁路巡检数据场景的人工智能判断系统及其方法解决上述技术问题。
技术实现思路
1、为解决在面对铁路巡检的大量数据场景，需要一个能够提高对特征点的识别量，提高对巡检场景的判断准确度的技术问题，为了用好数据采集和治理的有限的资源，有必要采取方法，甄别最有用的场景，针对最有用的场景加大数据工作的力度，本专利技术提供一种铁路巡检数据场景的人工智能判断
2、本专利技术第一方面提供的铁路巡检数据场景的人工智能判断系统包括：铁路综合巡检设备，所述铁路综合巡检设备上搭载了视频采集模块和定位器，图像采集模块用于沿铁路巡检轨迹实时采集铁路轨道的视频信息，定位器通过通信网络实时向数据管理模块发送铁路综合巡检设备的当前位置信息，制定巡检线路里程；
3、数据管理模块，用于存储铁路轨道的视频信息及巡检线路里程信息；
4、数据模型模块，所述数据模型模块与铁路综合巡检设备连接，从视频采集模块所采集的视频中提取前三帧视频图像中的sift特征点，提取该sift特征点分别在图像平面坐标中八个方向的lbp特征，并定义每个特征点在单方向的lbp特征编码为其中gp(x,y)为中心像素的灰度值，gp(x,y)为中心像素在p方向上临近点的灰度值，为中心像素gc在p方向上的纹理编码值，σ(t)为状态判别函数，根据lbp特征建立训练集，lbp特征标记为训练集语义标签，获取语义标签的直方图，将语义标签直方图通过神经网络进行训练，得到数据训练模型；
5、数据可视化模块，所述数据可视化模块通过数据api接口分别连接数据管理模块和判断分析模块，用于显示铁路巡检信息；
6、判断分析模块，根据所述图像采集模块采集的实时铁路轨道的图像信息与巡检线路里程信息进行关联建立铁路巡检场景，对铁路巡检场景进行语义分割，获取一个值，将该值与数据训练模型中的进行对比，若在对比阈值范围内则属于对应数据训练模型反应的问题，若不在对比阈值范围内则判断为新问题，需要人工介入排查。
7、进一步地，对所述铁路巡检场景进行语义分割的具体步骤包括：对铁路巡检场景内的多张铁路轨道图像信息进行语义分割，得到多个语义类型区域，分别给多个语义类型区域添加不同的语义标签，将不同的语义类型区域，用不同的灰度值表示。
8、进一步地，所述铁路综合巡检设备基于二维码技术还搭载了基于二维码登录的设备管理平台，该平台可与移动端互通，通过移动端对铁路综合巡检设备进行巡检管理、轨道故障信息展示。
9、进一步地，所述设备管理平台的首页展示设备的名称、设备的类型、设备运行状况和巡检基础信息，可通过文本表格或下拉菜单列表的方式进行展示信息，且设备管理平台与数据可视化模块互通。
10、进一步地，所述巡检基础信息包括操作人、巡检日期、巡检线路及设备巡检过程采集的视频和图像信息，操作人登录设备管理平台后可对相应的信息进行验证。
11、本专利技术第二方面提供一种铁路巡检数据场景的人工智能判断系统的方法，基于铁路巡检数据场景的人工智能判断系统的应用，具体包括如下步骤：
12、s1、准备工作，检查铁路综合巡检设备的状态并启动，制定巡检路线；
13、s2、巡检数据采集，通过视频采集模块采集在巡检路线中所拍摄铁路轨道的视频信息，同时定位器通过通信网络实时向数据管理模块发送铁路综合巡检设备的当前位置信息，制定巡检线路里程；
14、s3、模型建立与训练，提取前三帧从视频采集模块所采集的视频中提取前三帧视频图像中的sift特征点，提取该sift特征点分别在图像平面坐标中八个方向的lbp特征，根据lbp特征建立训练集，lbp特征标记为训练集语义标签，获取语义标签的直方图，将语义标签直方图通过神经网络进行训练，得到数据训练模型；
15、s4、判断分析，根据所述图像采集模块采集的实时铁路轨道的图像信息与巡检线路里程信息进行关联建立铁路巡检场景，对铁路巡检场景进行语义分割，获取一个值，将该值与数据训练模型中的进行对比，若在对比阈值范围内则属于对应数据训练模型反应的问题，若不在对比阈值范围内则判断为新问题，需要人工介入排查；
16、s5、巡检数据验证，操作人登录设备管理平台对相应的信息进行验证。
17、进一步地，所述s5步骤中巡检数据验证具体还包括：s01、巡检时巡检操作人扫描设备上的二维码，判断用户类型、权限；
18、s02、若有相应权限则能查看设备基础信息、填写表单并查看表单历史数据，若无用户权限则只能查看设备基础信息；
19、s03、工作人员填写巡检相关信息并提交，完成设备巡检；
20、s04、提交后台管理员，收到提交申请后对相关信息确认无误，审核通过。
21、与相关技术相比较，本专利技术提供的铁路巡检数据场景的人工智能判断系统及其方法具有如下有益效果：
22、1、本专利技术从视频采集模块所采集的视频中提取前三帧视频图像中的sift特征点，提取该sift特征点分别在图像平面坐标中八个方向的lbp特征，从而降低了误匹配率以及产生特征点描述子的计算量，能够在提高特征点匹配速度的前提下保证sift算法的稳健性和鲁棒性，实现高精度的sift特征点跟踪。
23、2、本专利技术根据lbp特征建立训练集，lbp特征标记为训练集语义标签，获取语义标签的直方图，将语义标签直方图通过神经网络进行训练，得到数据训练模型，该模型使用视觉特征和标签信息来表示图像，使图像的内容更加丰富，运用机器学习构建解决方案，提高判断准确度。
24、3、本专利技术根据图像采集模块采集的实时铁路轨道的图像信息与巡检线路里程信息进行关联建立铁路巡检场景，对铁路巡检场景进行语义分割获取一个值，将该值与数据训练模型中的进行对比，极大地降低了巡道工人的工作强度，大幅提升了巡道的准确与自动化程度。
本文档来自技高网...【技术保护点】
1.一种铁路巡检数据场景的人工智能判断系统，其特征在于，包括：铁路综合巡检设备，所述铁路综合巡检设备上搭载了视频采集模块和定位器，图像采集模块用于沿铁路巡检轨迹实时采集铁路轨道的视频信息，定位器通过通信网络实时向数据管理模块发送铁路综合巡检设备的当前位置信息，制定巡检线路里程；
2.根据权利要求1所述的铁路巡检数据场景的人工智能判断系统，其特征在于，对所述铁路巡检场景进行语义分割的具体步骤包括：对铁路巡检场景内的多张铁路轨道图像信息进行语义分割，得到多个语义类型区域，分别给多个语义类型区域添加不同的语义标签，将不同的语义类型区域，用不同的灰度值表示。
3.根据权利要求2所述的铁路巡检数据场景的人工智能判断系统，其特征在于，所述铁路综合巡检设备基于二维码技术还搭载了基于二维码登录的设备管理平台，该平台可与移动端互通，通过移动端对铁路综合巡检设备进行巡检管理、轨道故障信息展示。
4.根据权利要求3所述的铁路巡检数据场景的人工智能判断系统，其特征在于，所述设备管理平台的首页展示设备的名称、设备的类型、设备运行状况和巡检基础信息，可通过文本表格或下拉菜
5.根据权利要求4所述的铁路巡检数据场景的人工智能判断系统，其特征在于，所述巡检基础信息包括操作人、巡检日期、巡检线路及设备巡检过程采集的视频和图像信息，操作人登录设备管理平台后可对相应的信息进行验证。
6.一种铁路巡检数据场景的人工智能判断系统的方法，基于铁路巡检数据场景的人工智能判断系统的应用，其特征在于，具体包括如下步骤：
7.根据权利要求6所述的铁路巡检数据场景的人工智能判断系统的方法，其特征在于，所述S5步骤中巡检数据验证具体还包括：S01、巡检时巡检操作人扫描设备上的二维码，判断用户类型、权限；
...【技术特征摘要】
1.一种铁路巡检数据场景的人工智能判断系统，其特征在于，包括：铁路综合巡检设备，所述铁路综合巡检设备上搭载了视频采集模块和定位器，图像采集模块用于沿铁路巡检轨迹实时采集铁路轨道的视频信息，定位器通过通信网络实时向数据管理模块发送铁路综合巡检设备的当前位置信息，制定巡检线路里程；
2.根据权利要求1所述的铁路巡检数据场景的人工智能判断系统，其特征在于，对所述铁路巡检场景进行语义分割的具体步骤包括：对铁路巡检场景内的多张铁路轨道图像信息进行语义分割，得到多个语义类型区域，分别给多个语义类型区域添加不同的语义标签，将不同的语义类型区域，用不同的灰度值表示。
3.根据权利要求2所述的铁路巡检数据场景的人工智能判断系统，其特征在于，所述铁路综合巡检设备基于二维码技术还搭载了基于二维码登录的设备管理平台，该平台可与移动端互通，通过移动端对铁路综合巡检设备进行巡检管理、轨道故障信息展...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。