圖像識別技術在XB 箱監測中的應用

中鐵第五勘察設計院集團有限公司 田澤方

經過智能化改造，鐵路信號室外基礎設備之一的XB箱成為網絡節點。后臺維護終端自動對這些節點進行圖像采集，集中進行圖像識別處理并給出識別結果。試驗方案為提高現場設備維護水平進行了有益探索。

鐵路作為旅客出行以及貨物運輸最主要的方式，信號設備的運行狀態將直接關系到鐵路運輸的安全[1]。鐵路信號系統的室外設備或接線，大多設置于鐵路沿線的信號變壓器箱（XB 箱）中。為了保證其正常運行，電務部門采取日常養護和集中檢修相結合的方式預防故障，使設備處于良好的工作狀態[2]。既有XB 箱日常巡檢內容包括接線端子是否緊固、防雷元件是否失效、工作電壓是否正常等。受多種制約因素影響，例如專業人員少、設備數量增多、作業地點分散、“天窗”維護時間短等，鐵路信號相關養護、巡檢工作的瑣碎、繁雜問題日益凸顯，維修維護工作人員壓力大、勞動強度高。而且在維護過程中容易出現故障定位不準確、故障反饋不及時的情況，影響正常行車組織甚至造成事故。

隨著物聯網、大數據、云計算、移動互聯網、人工智能等先進技術的逐步成熟，已具備了通過智能技術提高軌道交通安全、降低工作強度和推進智能化升級的基礎[3]。

1 圖像識別技術的應用概況

在我國人工智能科技發展領域中，圖像識別是一項十分重要的研究項目，隨著我國科技的飛速發展，圖像識別技術得到了充分的發展[4]。傳統上，人工智能（或深度學習）開發流程極為冗長，基礎設施的開發、搭建、調試往往要耗費數月時間，期間透明性低，測試頻繁，效率低下，嚴重阻礙人工智能技術在行業中的推廣使用。

為了降低深度學習模型開發的難度和入門門檻，簡化開發過程，不少相關專家作出有意探索，推出了深度學習計算服務平臺：將識別技術算法本身進行分類歸納、封裝，從而使開發人員能專注于對模塊內的問題抽象、模型建立以及神經網絡模型設計；而行業應用人員專注于提煉需求，選擇、調用相關模塊，解決行業問題。

深度學習計算服務平臺通過整合高性能計算、云計算、大數據和人工智能等多學科的關鍵技術，提供從訓練到推理的一站式人工智能云計算應用服務解決方案，大幅降低人工智能準入門檻，提升人工智能研發效率，適應了傳統行業智能化升級的需要。

2 智能化XB箱

新型智能XB 箱在既有XB 箱基礎上，內部邊角處設置攝像設備，外部設置通訊模塊、太陽能供電單元。原理框圖如圖1 所示，XB 箱外部通訊單元和供電單元如圖2 所示，XB 箱內部攝像設備如圖3 所示。攝像設備（具有紅外攝像功能）、通訊單元和供電單元組成獨立子系統，與XB 箱既有設備無電氣連接。

圖1 智能XB 箱原理框圖Fig.1 Schematic diagram of intelligent XB-box

圖2 通訊單元和供電單元Fig.2 Communication unit and power supply unit

圖3 攝像設備（右上）Fig.3 Camera(at the upper right corner)

3 試驗方案

近期，在現場站點進行試驗，對既有XB 箱進行智能化升級改造，新增設備配置情況如表1 所示。

表1 設備配置表Tab.1 Equipment configuration table

本次試驗項目維護終端采用深度學習計算服務平臺。借助平臺快速搭建了“XB 箱人工智能維護試驗”環境：將智能XB 箱聯網，對其進行圖像采集、識別故障并報警，實現人工智能技術的快速應用。智能XB 箱維護系統的示意圖如圖4 所示。

圖4 智能XB 箱維護系統Fig.4 Maintenance system of intelligent XB-box

日常工作時，將智能XB 箱設置為定時抓拍箱內設備圖像并上傳，維護終端對上傳照片進行圖像識別，包括限定邊界內是否有線頭松脫、設備溫度監測等內容。如果識別結果出現超出設定限值情況，維護終端將發出警示，維護人員可調取原始圖片人工確認。

4 試驗結果

本次試驗持續1 個月，共采集圖像400 余張，其中某次拍攝圖像如圖5 所示，對應紅外圖像如圖6 所示。線頭松脫識別：現場注入試驗用例30次，識別次數30次、告警30次，識別準確度100%；器材溫度監測：通過紅外信息識別，對XB 箱內BG1-150 型變壓器進行溫度監測，溫度識別精度5℃，其中連續4 天溫度記錄如圖7 所示。

圖5 拍攝圖像Fig.5 Capture image

圖6 紅外圖像Fig.6 Infrared image

圖7 連續4 天溫度記錄Fig.7 Temperature record for 4 consecutive days

5 結語

XB 箱智能化改造方案合理，自帶電源，與原設備之間無電氣連接，便于改造施工；智能維護終端易于部署，識別功能良好，可進一步提升軌道交通的運營質量，提高設備維修效率、降低設備運維成本[5]。在后續工作中，可針對設備的固定、安裝及防護等工藝進行提升，便于設備長期可靠地工作于室外環境。

引用

[1] 王晴雯,張振海.基于知識圖譜的信號設備故障診斷方法[J].鐵道標準設計,2022,66(12):149-156.

[2] 楊棟,馬志強,任建新.二維碼技術在信號設備維護中的應用[J].鐵道通信信號,2019,55(2):67-69.

[3] 鄒定鋒.信號智能化維護系統在城市軌道交通的應用[J].交通世界,2022(18):64-67.

[4] 李麗亞.人工智能中圖像識別技術的發現與應用研究[J].長江信息通信,2022,(1):134-136.

[5] 盧思杰.基于智能運維的通信、信號設備維修系統的探索與研究[J].城市軌道交通研究,2021,24(11):6-13.