魯堯

（深圳地鐵運(yùn)營(yíng)集團(tuán)有限公司，廣東 深圳 518000）

1 概述

目前，國(guó)內(nèi)許多城市軌道交通已經(jīng)取得了長(zhǎng)足發(fā)展。隨著地鐵牽引供電的飛速發(fā)展，其性能上的諸多缺陷和弊病也進(jìn)一步出現(xiàn)，多數(shù)地鐵都是通過受電弓滑板和接觸線的滑動(dòng)接觸獲取電能，因此，在該供電系統(tǒng)中，接觸網(wǎng)的安全、穩(wěn)定在地鐵安全運(yùn)營(yíng)中占據(jù)不可或缺的地位。

若接觸網(wǎng)中存在硬點(diǎn)，通常會(huì)導(dǎo)致弓網(wǎng)系統(tǒng)出現(xiàn)不同程度的機(jī)械損傷，甚至發(fā)生強(qiáng)烈抖動(dòng)，進(jìn)一步導(dǎo)致弓網(wǎng)離線、燃弧等現(xiàn)象，加劇相關(guān)設(shè)備的電氣損傷。

針對(duì)上述情況，本文提出了一種基于弓網(wǎng)視頻的非接觸式接觸網(wǎng)硬點(diǎn)檢測(cè)方法，即通過高清監(jiān)控相機(jī)對(duì)弓網(wǎng)接觸區(qū)域?qū)崟r(shí)錄像，進(jìn)一步通過本文提出的算法檢測(cè)弓網(wǎng)硬點(diǎn)，該算法可分為四大步驟，分別為受電弓區(qū)域定位、弓網(wǎng)接觸區(qū)域定位、弓網(wǎng)接觸點(diǎn)定位、硬點(diǎn)計(jì)算。本文對(duì)該方法進(jìn)行了較充分的驗(yàn)證，滿足實(shí)際應(yīng)用的水平，且由于是通過視頻采集原始圖像數(shù)據(jù)，在檢測(cè)到異常硬點(diǎn)值時(shí)，可通過相應(yīng)位置對(duì)應(yīng)的視頻信息確認(rèn)，進(jìn)一步大大提高了人工效率。

2 方法

本文所涉及的圖像數(shù)據(jù)由安裝在電客車車頂?shù)母咔灞O(jiān)控相機(jī)采集，該相機(jī)通常安裝在受電弓開口方向，并以一定幀率對(duì)受電弓區(qū)域進(jìn)行實(shí)時(shí)錄像，進(jìn)一步將采集到的每一幀圖像傳輸?shù)杰噧?nèi)工控機(jī)中，利用部署在該工控機(jī)中的智能檢測(cè)算法計(jì)算當(dāng)前幀的硬點(diǎn)值。

2.1 受電弓區(qū)域粗定位

本文也嘗試過直接在整幅圖像中直接識(shí)別弓網(wǎng)接觸點(diǎn)，但識(shí)別精度和穩(wěn)定性都不盡如人意。而先定位受電弓區(qū)域，再進(jìn)行后續(xù)處理時(shí)，其識(shí)別精度和穩(wěn)定性得到了大幅提升。

本文所述受電弓目標(biāo)定位采用基于Yolov5n 的圖像目標(biāo)檢測(cè)網(wǎng)絡(luò)作為算法模型。目前Yolov5 因其快速、準(zhǔn)確、輕量等諸多優(yōu)點(diǎn)，被廣泛應(yīng)用于工業(yè)界，本文在引入該模型時(shí)，增加了部分使用技巧，如數(shù)據(jù)增強(qiáng)方式、標(biāo)簽平滑，提高了檢測(cè)精度，并在項(xiàng)目應(yīng)用中達(dá)到了較好的結(jié)果。

2.1.1 數(shù)據(jù)集制作與增強(qiáng)

高清相機(jī)采集的原始圖像如圖1 所示，利用圖像標(biāo)注工具Labelimg 對(duì)受電弓區(qū)域進(jìn)行標(biāo)注，標(biāo)注結(jié)果如圖2 所示。

圖1 受電弓區(qū)域標(biāo)記示意圖

圖2 弓網(wǎng)接觸區(qū)域標(biāo)記示意圖

圖3 改進(jìn)后的網(wǎng)絡(luò)基本模塊

神經(jīng)網(wǎng)絡(luò)在訓(xùn)練的過程，通常都需要大量的數(shù)據(jù)，而獲取新的數(shù)據(jù)往往需要花費(fèi)大量的時(shí)間和人工，而數(shù)據(jù)增強(qiáng)提供了一種有效地增加數(shù)據(jù)量的方式，如縮放、平移、翻轉(zhuǎn)、色彩變換等。

Yolov5n 中除了使用基本的數(shù)據(jù)增強(qiáng)方式以外，還使用了Mosaic 數(shù)據(jù)增強(qiáng)，即將4 張圖像進(jìn)行隨機(jī)裁剪、縮放后再隨機(jī)排布成一張圖像。

本文為進(jìn)一步提升定位準(zhǔn)確性，采用Mosaic-9 方式進(jìn)行數(shù)據(jù)增強(qiáng)，即對(duì)9 張圖像隨機(jī)裁剪、縮放、排列組合。

2.1.2 數(shù)據(jù)標(biāo)簽平滑

標(biāo)簽平滑最早應(yīng)用于分類算法中，后引入目標(biāo)檢測(cè)算法中。目標(biāo)檢測(cè)算法分為分類和回歸兩個(gè)分支，其主要作用于分類，屬于正則化方法中的一種。其主要思想是對(duì)真實(shí)標(biāo)簽的分布進(jìn)行改造，使其不再遵循獨(dú)熱（one-hot）編碼形式，其轉(zhuǎn)化公式如下：

其中，q 表示真實(shí)標(biāo)簽，c 是一個(gè)較小的常數(shù)，k 代表分類的類別數(shù)。

本文在Yolov5n 的預(yù)測(cè)層引入上述標(biāo)簽平滑方法。經(jīng)過標(biāo)簽平滑后能夠減少模型過渡以來標(biāo)簽問題，有效改善標(biāo)簽準(zhǔn)確性不高的情況。

2.2 定位弓網(wǎng)接觸區(qū)域

本文所闡述的弓網(wǎng)接觸區(qū)域定位是為了提升弓網(wǎng)接觸點(diǎn)識(shí)別精度和穩(wěn)定性另一個(gè)關(guān)鍵步驟。該步驟需要在已經(jīng)定位到的受電弓區(qū)域中進(jìn)行識(shí)別定位，并且同樣采用Yolov5n 定位網(wǎng)絡(luò)模型，其數(shù)據(jù)集制作與數(shù)據(jù)增強(qiáng)方式與受電弓區(qū)域定位類似，此處不贅述，僅僅是數(shù)據(jù)集制作時(shí)標(biāo)記的原圖是已經(jīng)定位到的受電弓區(qū)域圖像，編輯區(qū)域是匯流排與受電弓接觸位置周圍一定區(qū)域，如圖2 所示。

在制作該步訓(xùn)練數(shù)據(jù)時(shí)，標(biāo)記范圍盡量包含整個(gè)匯流排寬度范圍以及碳滑板整個(gè)高度范圍，以保證有組足夠的特征訓(xùn)練出性能更加穩(wěn)定準(zhǔn)確的定位模型。

2.3 精確識(shí)別弓網(wǎng)接觸點(diǎn)

本文所闡述的弓網(wǎng)接觸點(diǎn)識(shí)別是采用改進(jìn)的深度殘差網(wǎng)絡(luò)。

本文在原始?xì)埐罹W(wǎng)絡(luò)中引入注意力機(jī)制與軟閾值化激活函數(shù)，使得原始網(wǎng)絡(luò)能夠發(fā)現(xiàn)有用信息并增強(qiáng)該部分信息，且抑制冗余信息。

軟閾值化能夠降低輸入數(shù)據(jù)中的噪聲，該方式可將絕對(duì)值小于某個(gè)閾值的特征去掉，將絕對(duì)值大于這個(gè)閾值的特征朝著0 的方向收縮。針對(duì)本方案所涉及的任務(wù)，其可通過以下方式實(shí)現(xiàn)。

上述軟閾值化的輸出對(duì)于輸入的導(dǎo)數(shù)為

該導(dǎo)數(shù)形式與Relu 激活函數(shù)性質(zhì)相同，能夠減小深度學(xué)習(xí)算法遭遇梯度彌散和梯度爆炸的風(fēng)險(xiǎn)。

原始?xì)埐顗K與引入注意力機(jī)制和軟閾值后的基本模塊如下。

通過堆疊多個(gè)上述基本模塊即可形成改進(jìn)后的殘差網(wǎng)絡(luò)。

在制作訓(xùn)練樣本時(shí)，訓(xùn)練數(shù)據(jù)為已經(jīng)定位到的弓網(wǎng)接觸區(qū)域截圖，標(biāo)記位置不同于直接定位，直接定位的標(biāo)簽為矩形框，而本文在利用殘差網(wǎng)絡(luò)回歸識(shí)別弓網(wǎng)接觸點(diǎn)時(shí)，標(biāo)記標(biāo)簽相應(yīng)為一個(gè)點(diǎn)坐標(biāo)，如圖4 所示。

圖4 弓網(wǎng)接觸點(diǎn)標(biāo)記示意（灰圈即接觸點(diǎn)）

2.4 接觸網(wǎng)硬點(diǎn)計(jì)算

在實(shí)時(shí)檢測(cè)階段，當(dāng)識(shí)別到當(dāng)前幀的弓網(wǎng)接觸點(diǎn)，根據(jù)相機(jī)標(biāo)定參數(shù)可將像素坐標(biāo)轉(zhuǎn)換為實(shí)際的世界坐標(biāo)，進(jìn)一步通過當(dāng)前幀弓網(wǎng)接觸點(diǎn)的世界坐標(biāo)與上一幀的世界坐標(biāo)可計(jì)算出縱向?qū)嶋H位移，最終通過位移與兩幀時(shí)間間隔額關(guān)系可計(jì)算出加速度，即為硬點(diǎn)信息，即令pi 為第i 幀弓網(wǎng)接觸點(diǎn)坐標(biāo)如下所示。

進(jìn)一步，縱向位移可通過下式得到。

最后，通過位移與時(shí)間間隔的關(guān)系可得到硬點(diǎn)加速度信息ai，如下所示。

其中，t 為兩幀之間的時(shí)間間隔，因?yàn)橐曨l相機(jī)幀率始終恒定，所以t 是一個(gè)固定值，根據(jù)實(shí)際情況確定。

3 實(shí)驗(yàn)

本文實(shí)驗(yàn)所用數(shù)據(jù)為實(shí)際地鐵線路錄像數(shù)據(jù)，圖像分辨率大小為1936×1464。

在訓(xùn)練受電弓區(qū)域定位模型時(shí)共標(biāo)注樣本3000 張，其中2600 張作為訓(xùn)練集，400 張作為驗(yàn)證集。

在訓(xùn)練弓網(wǎng)接觸區(qū)域定位模型時(shí)，標(biāo)注樣本數(shù)量與受電弓模型基本一致，模型參數(shù)也基本一致。

在訓(xùn)練弓網(wǎng)接觸點(diǎn)精確識(shí)別模型時(shí)，標(biāo)注樣本數(shù)量與上述兩階段基本一致。

測(cè)試階段，對(duì)于受電弓區(qū)域定位模型，測(cè)試圖像總數(shù)108927，識(shí)別準(zhǔn)確率為100%，誤識(shí)別和漏識(shí)別都是0，具體如表1。

表1 受電弓區(qū)域定位測(cè)試結(jié)果

對(duì)于受電弓區(qū)域定位模型，測(cè)試圖像總數(shù)108927，識(shí)別準(zhǔn)確率為100%，誤識(shí)別和漏識(shí)別都是0，具體如表2。

表2 弓網(wǎng)接觸區(qū)域定位測(cè)試結(jié)果

對(duì)于弓網(wǎng)接觸點(diǎn)精確識(shí)別模型，測(cè)試圖像總數(shù)108927，正確識(shí)別數(shù)108921，識(shí)別準(zhǔn)確率為99.994%，誤識(shí)別數(shù)6，誤識(shí)別率0.006%，漏識(shí)別0，具體如表3。

表3 弓網(wǎng)接觸點(diǎn)識(shí)別測(cè)試結(jié)果

4 結(jié)語(yǔ)

本文所提出的基于弓網(wǎng)視頻的硬點(diǎn)檢測(cè)技術(shù)經(jīng)過實(shí)驗(yàn)驗(yàn)證，弓網(wǎng)接觸點(diǎn)識(shí)別準(zhǔn)確率達(dá)到99.994%，根據(jù)本方法的理論，只要弓網(wǎng)接觸點(diǎn)識(shí)別準(zhǔn)確，硬點(diǎn)即可準(zhǔn)確計(jì)算。本文所提出方法滿足實(shí)際應(yīng)用的水平，相較一般的接觸式檢測(cè)方法，安裝簡(jiǎn)單，檢測(cè)更穩(wěn)定，且由于是通過視頻采集原始圖像數(shù)據(jù)，在檢測(cè)到異常硬點(diǎn)值時(shí)，可通過相應(yīng)位置對(duì)應(yīng)的視頻信息確認(rèn)，進(jìn)一步大大提高了人工效率。