馬志鵬 袁萬全 周于翔 魏志恒

(1.中國鐵道科學(xué)研究院, 100081, 北京; 2.中國鐵道科學(xué)研究院集團(tuán)有限公司城市軌道交通中心, 100081,北京∥第一作者, 碩士研究生)

剛性接觸網(wǎng)長期工作在振動環(huán)境中,其零部件易出現(xiàn)脫落、缺失、斷裂等典型病害,如果不及時處理,將引發(fā)嚴(yán)重的弓網(wǎng)故障,給線路運(yùn)營帶來安全隱患[1]。剛性接觸網(wǎng)結(jié)構(gòu)型式多樣,一般由懸掛系統(tǒng)、匯流排及接觸線等部分組成[2],其中懸掛系統(tǒng)是剛性接觸網(wǎng)的重要組成部分。目前,對接觸網(wǎng)懸掛狀態(tài)的檢查主要依賴于天窗期內(nèi)人工登梯定期巡視,具有故障隱患發(fā)現(xiàn)不及時、工作效率低、強(qiáng)度大等缺點(diǎn)。隨著近年來機(jī)器視覺技術(shù)的不斷發(fā)展,采用視覺成像技術(shù)進(jìn)行接觸網(wǎng)巡檢成為一種有效的手段[3]。

本文簡述了YOLOv4目標(biāo)檢測算法,并將該算法應(yīng)用于城市軌道交通(以下簡稱“城軌”)剛性接觸網(wǎng)懸掛狀態(tài)檢測中,分析了該算法在城軌線路中的實(shí)際應(yīng)用效果。

1 YOLOv4目標(biāo)檢測算法

目標(biāo)檢測是計(jì)算機(jī)視覺中的重要分支,廣泛應(yīng)用于圖像分割、物體追蹤及關(guān)鍵點(diǎn)檢測等任務(wù)[4]。YOLO是目標(biāo)檢測算法中應(yīng)用比較廣泛的一種,YOLOv4則是在原有YOLO目標(biāo)檢測架構(gòu)的基礎(chǔ)上,在加強(qiáng)特征提取、增強(qiáng)網(wǎng)絡(luò)模型非線性、防止過度擬合等方面進(jìn)行了優(yōu)化[4-5]。

1.1 YOLOv4目標(biāo)檢測算法網(wǎng)絡(luò)

本文使用的YOLOv4目標(biāo)檢測算法網(wǎng)絡(luò)(見圖1)主要包括輸入模塊、主干網(wǎng)絡(luò)模塊、頸部網(wǎng)絡(luò)模塊及預(yù)測輸出模塊。

注:CBM、CBL為該網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件,不同在于其激活函數(shù)分別為Mish和Leaky relu;CSPx為卷積層和殘差組件組成的網(wǎng)絡(luò)結(jié)構(gòu);SPP為空間金字塔池化模塊;Conv為卷積模塊;Concat為張量拼接模塊;“×2”“×3”“×5”分別代表2次、3次和5次運(yùn)算。

其中,YOLOv4目標(biāo)檢測算法網(wǎng)絡(luò)將特征提取網(wǎng)絡(luò)CSPDarknet53作為其主干網(wǎng)絡(luò),在該主干網(wǎng)絡(luò)與預(yù)測輸出模塊之間設(shè)置頸部網(wǎng)絡(luò)模塊,包括SPP模塊和PANet(路徑聚合網(wǎng)絡(luò))。另外,預(yù)測輸出模塊使用YOLOv3結(jié)構(gòu),詳見文獻(xiàn)[5]。

1.2 YOLOv4目標(biāo)檢測算法的優(yōu)點(diǎn)

YOLOv4目標(biāo)檢測算法具有一系列優(yōu)點(diǎn),在剛性接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng)的應(yīng)用中體現(xiàn)出良好的應(yīng)用效果。

1) YOLOv4目標(biāo)檢測算法采用了Mosaic數(shù)據(jù)增強(qiáng)方式。相較CutMix數(shù)據(jù)增強(qiáng)方式,Mosaic數(shù)據(jù)增強(qiáng)方式選取了4張圖片通過隨機(jī)縮放、裁剪等方式進(jìn)行拼接,變相提升了單次訓(xùn)練抓取的樣本數(shù)量,大大豐富了檢測數(shù)據(jù)集,具有明顯的優(yōu)勢。圖2為不同方法下剛性接觸網(wǎng)懸掛狀態(tài)的使用效果對比圖。

a) 原始圖片

2) YOLOv4目標(biāo)檢測算法的另一個創(chuàng)新在于對骨干網(wǎng)絡(luò)的改進(jìn)。該算法使用的CSPDarknet53特征提取網(wǎng)絡(luò),是在YOLOv3 Darknet53網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上引入了CSPNet跨階段局部網(wǎng)絡(luò),在占用更小內(nèi)存的同時保證了計(jì)算的速度與精度。

3) YOLOv4使用平滑連續(xù)的Mish激活函數(shù),相比于傳統(tǒng)的Leaky relu激活函數(shù)具有顯著的優(yōu)勢[6]。除此以外,YOLOv4目標(biāo)檢測算法還采用了DropBlock的正則化方式[7]。傳統(tǒng)的Dropout方式被廣泛應(yīng)用于全連接層的正則化技術(shù),但對于卷積層的處理效果較差。DropBlock方式將特征圖連續(xù)區(qū)域的單元進(jìn)行丟棄,準(zhǔn)確性更高。圖3為不同方法下剛性接觸網(wǎng)懸掛狀態(tài)檢測數(shù)據(jù)處理效果對比圖。

a) 原始圖片

4) YOLOv4的頸部網(wǎng)絡(luò)采用PANet結(jié)構(gòu),且在FPN(特征金字塔網(wǎng)絡(luò))的基礎(chǔ)上進(jìn)行了加強(qiáng)。該頸部網(wǎng)絡(luò)包含自上向下和自下向上兩種路徑。

2 基于YOLOv4目標(biāo)檢測算法的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)

2.1 系統(tǒng)架構(gòu)

基于YOLOv4目標(biāo)檢測算法的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)(以下簡稱“基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)”)選擇以工程車或列車為載體,由高清成像模塊與數(shù)據(jù)管理分析模塊組成,其總體架構(gòu)如圖4所示。

現(xiàn)在，網(wǎng)絡(luò)上的騙子太多，相信我們的作者有足夠的智慧去辨別，如果你們不幸被騙、或者懷疑被騙，請及時與我們聯(lián)系核實(shí)，從而減少損失。為此，特別聲明，請讀者、作者按照正確的投稿渠道投稿，否則，我們不承擔(dān)由此帶來的任何法律責(zé)任。

圖4 基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)總體構(gòu)架

2.1.1 高清成像模塊

高清成像模塊包含觸發(fā)裝置、高速照相機(jī)及補(bǔ)光設(shè)備等,采用數(shù)字激光、光電測量等技術(shù),使用高性能、低功耗的電路板設(shè)計(jì),控制補(bǔ)光燈工作及巡視照相機(jī)、剛性拍攝照相機(jī)拍攝,通過實(shí)時獲取的里程信息,并匹配基礎(chǔ)數(shù)據(jù)中的桿號信息,形成一桿一檔并分組存儲。

觸發(fā)裝置用于對定位點(diǎn)設(shè)備進(jìn)行定位并輸出觸發(fā)信號。該裝置由激光發(fā)射器、剛性觸發(fā)照相機(jī)構(gòu)成。工作時,激光發(fā)射器垂直向上發(fā)射高亮激光,在接觸網(wǎng)上形成1條高亮的激光輪廓(見圖5),剛性觸發(fā)照相機(jī)將成像數(shù)據(jù)實(shí)時傳遞到圖像分析服務(wù)器中,服務(wù)器經(jīng)圖像識別給巡視照相機(jī)、剛性拍攝照相機(jī)及補(bǔ)光設(shè)備輸出觸發(fā)信號。

圖5 接觸網(wǎng)激光輪廓

剛性懸掛檢測設(shè)備的車頂采集單元由1臺巡視照相機(jī)和6臺剛性拍攝照相機(jī)組成,對接觸網(wǎng)及剛性懸掛零部件進(jìn)行實(shí)時檢測。圖6為基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)車頂布置圖。

圖6 基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)車頂布置圖

2.1.2 數(shù)據(jù)管理分析模塊

數(shù)據(jù)管理分析模塊可實(shí)現(xiàn)對檢測數(shù)據(jù)的治理與深度應(yīng)用,提升檢測分析效率。該模塊主要具有基礎(chǔ)數(shù)據(jù)管理、檢測數(shù)據(jù)管理、檢測數(shù)據(jù)分析及檢測設(shè)備管理等功能。

其中,檢測數(shù)據(jù)分析單元采用YOLOv4目標(biāo)檢測算法對檢測數(shù)據(jù)進(jìn)行缺陷識別和處理,以及數(shù)據(jù)統(tǒng)一及標(biāo)準(zhǔn)化,在此基礎(chǔ)上實(shí)現(xiàn)不同時段拍攝的接觸網(wǎng)數(shù)據(jù)的比對,進(jìn)而開展關(guān)聯(lián)分析、對比分析等多維度可視化分析,最終依據(jù)分析結(jié)果與標(biāo)準(zhǔn)實(shí)現(xiàn)對線路健康狀態(tài)的綜合評價(jià),為線路安全評估以及日常檢修維護(hù)提供數(shù)據(jù)支持。

2.2 系統(tǒng)的技術(shù)參數(shù)

基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng),使用殘差網(wǎng)絡(luò)提取對象特征,將Mish作為激活函數(shù),能夠解決接觸網(wǎng)零部件種類、數(shù)量眾多以及不同導(dǎo)線高度造成的提取對象特征困難等問題。基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)的技術(shù)參數(shù)如表1所示。

表1 基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)的技術(shù)參數(shù)

基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)可實(shí)現(xiàn)對剛性接觸網(wǎng)的快速巡檢,檢測范圍覆蓋行車沿線的所有接觸網(wǎng)設(shè)施?；赮OLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)拍攝的剛性接觸網(wǎng)視野分析圖如圖7所示。

a) 俯視圖

由圖7可知,基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)可全面覆蓋剛性接觸網(wǎng)各零部件視角,實(shí)現(xiàn)對其懸掛狀態(tài)的全面高清成像。

3 基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)應(yīng)用分析

城軌領(lǐng)域并未具備較為成熟的剛性接觸網(wǎng)懸掛狀態(tài)檢測手段,也無相應(yīng)的標(biāo)準(zhǔn)和規(guī)范。在此背景下,本文將YOLOv4目標(biāo)檢測算法應(yīng)用于城軌剛性接觸網(wǎng)的懸掛狀態(tài)檢測。以北京地鐵某線路為例,基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)相比傳統(tǒng)剛性接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng)檢測精度更高,能夠檢測出一些不易發(fā)現(xiàn)的零部件懸掛狀態(tài)病害問題。圖8為基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)識別的剛性懸掛零部件病害。

圖8 基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)識別的剛性懸掛零部件病害

基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)具有如下技術(shù)優(yōu)勢:

1) 便于統(tǒng)計(jì)分析:從缺陷案例、線路里程等多種維度,結(jié)合各期檢測數(shù)據(jù)及線路基礎(chǔ)設(shè)施進(jìn)行統(tǒng)計(jì),基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)的檢測精度更高,且能夠從不同維度發(fā)現(xiàn)問題的分布特點(diǎn)。

2) 便于對比分析:基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)可以將同一類型設(shè)備兩次或多次的檢測數(shù)據(jù),或不同類型設(shè)備數(shù)據(jù)進(jìn)行疊加對比分析,同時可以計(jì)算同一桿一檔數(shù)據(jù)的差異,以及發(fā)現(xiàn)數(shù)據(jù)異常變化,以指導(dǎo)設(shè)施設(shè)備養(yǎng)護(hù)維修工作。

截至目前,基于YOLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)于北京地鐵某線已發(fā)現(xiàn)各類故障隱患近百處,為線路運(yùn)營安全提供了極大的保障?；赮OLOv4的剛性接觸網(wǎng)懸掛狀態(tài)智能檢測系統(tǒng)識別的系列病害如圖9所示。

a) 螺栓松動故障

4 結(jié)語

伴隨著城軌線網(wǎng)規(guī)模的不斷擴(kuò)大以及設(shè)計(jì)速度的不斷提高,以小型設(shè)備和人工目視檢查為主的檢測方式已經(jīng)不能滿足城軌的檢測需求[8]。本文將YOLOv4目標(biāo)檢測算法應(yīng)用于剛性接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng),取得了良好的檢測效果。該系統(tǒng)的應(yīng)用將有效提高檢測精度,節(jié)省人力、物力成本,推進(jìn)基礎(chǔ)設(shè)施智能運(yùn)維體系建設(shè),推動城軌基礎(chǔ)設(shè)施運(yùn)維工作由計(jì)劃修向狀態(tài)修的轉(zhuǎn)變,同時協(xié)助運(yùn)營單位構(gòu)建形成專業(yè)數(shù)據(jù)資產(chǎn),實(shí)現(xiàn)數(shù)據(jù)的規(guī)范化管理和智能化應(yīng)用。