馮 宇，張 瀟，段盼盼，胡豪華，杜振江，徐 亮，韓 闖，安秋穎

0 引言

目前國內(nèi)城市軌道交通接觸網(wǎng)主要采用剛性接觸網(wǎng)，核心部件是匯流排和接觸線[1]。列車在運行過程中產(chǎn)生震動，同一條線路的接觸網(wǎng)導(dǎo)線經(jīng)過長時間不同列車受電弓滑板的滑動摩擦，將逐漸出現(xiàn)導(dǎo)線磨損情況[2-3]；同時由于不同受電弓與接觸線之間的接觸壓力不同，導(dǎo)致不同接觸線位置的磨損狀態(tài)不一致；由于隧道內(nèi)環(huán)境復(fù)雜、潮濕，匯流排常常出現(xiàn)腐蝕[4]。因此，線路維保有必要對接觸網(wǎng)導(dǎo)線及支持設(shè)備磨損狀態(tài)等進行測量監(jiān)測，實現(xiàn)對接觸線狀態(tài)的評估，及時進行檢修維護。

隨著城市軌道交通建成通車里程不斷增加，其檢修方式也開始朝向智能化方向發(fā)展[5]。近些年，機器視覺技術(shù)發(fā)展迅速，基于圖像智能識別技術(shù)的接觸網(wǎng)缺陷檢測系統(tǒng)具有效率高、穩(wěn)定性好的特點。為保證軌道交通列車的平穩(wěn)運行[6-7]，2020年3月軌道交通協(xié)會牽頭發(fā)布了《中國城市軌道交通智慧城軌發(fā)展綱要》，定義了以城軌交通的關(guān)鍵核心業(yè)務(wù)為主線，以數(shù)字化、智能化、網(wǎng)絡(luò)化為手段，構(gòu)建高度集成的城軌云與大數(shù)據(jù)平臺，建立系統(tǒng)完備的技術(shù)標準體系，堅持智能化和自主化“兩手抓”的實施策略。隨著智能檢測系統(tǒng)的廣泛應(yīng)用，針對剛性接觸網(wǎng)各組成部件的智能化檢測已提上日程。

為實現(xiàn)軌道交通設(shè)施設(shè)備的智能化運維，發(fā)展智慧交通，推動“大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能等新技術(shù)與交通行業(yè)深度融合，完善科技創(chuàng)新機制”的落地應(yīng)用，本文利用機器視覺采集識別+定位的綜合智能檢測技術(shù)，開發(fā)了一種剛性接觸網(wǎng)缺陷智能檢測系統(tǒng)。該系統(tǒng)通過多個圖像采集檢測設(shè)備及智能識別算法，自動檢測剛性接觸網(wǎng)導(dǎo)高、拉出值、匯流排腐蝕及接觸線磨耗的精準數(shù)據(jù)[8-9]，實現(xiàn)剛性接觸網(wǎng)缺陷的智能檢測。

1 系統(tǒng)設(shè)計組成

剛性接觸網(wǎng)缺陷智能檢測系統(tǒng)搭載于檢測車上，其基本組成包括：導(dǎo)高拉出值檢測子系統(tǒng)、匯流排腐蝕檢測子系統(tǒng)、接觸線磨耗檢測子系統(tǒng)、里程定位子系統(tǒng)、桿號輔助定位子系統(tǒng)、主控管理子系統(tǒng)。

1.1 導(dǎo)高拉出值檢測子系統(tǒng)

導(dǎo)高拉出值檢測子系統(tǒng)包括車頂采集檢測模塊和車底補償模塊。

1.1.1 車頂采集檢測模塊

車頂采集檢測模塊由線性激光、高頻圖像采集相機、嵌入式處理板卡和固定式防護罩組成。模塊由檢測車輛負責供電，并與車內(nèi)主控管理設(shè)備連接，通過數(shù)據(jù)輸入接口接收車輛速度和里程數(shù)據(jù)信號。系統(tǒng)工作時，線性激光以已知角度發(fā)出線性光束照射到接觸線上，高頻采集相機采集照射點圖像，然后傳輸至嵌入式板卡。內(nèi)嵌實時運行的算法程序采用先進的圖像測量法，利用線性激光、采集相機和照射點位置形成的三角形構(gòu)建幾何圖形，通過智能識別算法計算激光點位高度，并結(jié)合已知的位置信息，計算照射點位的導(dǎo)高、拉出值精準數(shù)據(jù)。

1.1.2 車底補償模塊

車輛經(jīng)過特殊地段時會產(chǎn)生滾擺，對車載導(dǎo)高、拉出值、磨耗的檢測造成較大偏差，車底補償模塊設(shè)計采用補償梁疊加雙檢測模塊的方式實現(xiàn)車體姿態(tài)的測量。補償梁選取與車輛橫向水平平行的位置，在左右兩側(cè)分別加裝車體姿態(tài)檢測模塊。模塊設(shè)計由加速度計、線陣激光器、CCD相機組成，可通過圖像采集識別技術(shù)，檢測在圖像采集位置時車身姿態(tài)是否存在水平位置的偏移以及偏移量的大小，進而通過幾何算法對車體姿態(tài)造成的測量誤差進行計算，進而修正導(dǎo)高、拉出值、磨耗等的測量誤差，提高子系統(tǒng)檢測精度。

1.2 匯流排腐蝕檢測子系統(tǒng)

匯流排腐蝕檢測子系統(tǒng)由高清圖像采集模塊、補光模塊、智能識別模塊組成，由檢測車輛負責供電。高清圖像采集模塊及補光模塊架設(shè)在檢測車車頂?shù)膬蓚?cè)，以固定角度將相機視場覆蓋匯流排位置，采集匯流排的高清圖像，并通過計算得出縱向視場所能覆蓋的匯流排長度。

圖像采集模塊內(nèi)置嵌入式板卡，內(nèi)部運行圖像嵌入式采集軟件程序。嵌入式程序通過信號輸入接口接收車輛速度信號，并在板卡內(nèi)置程序中計算與速度信號相匹配的圖像采集幀率，控制模塊內(nèi)的高清相機和補光模塊進行觸發(fā)式圖像采集，采集范圍覆蓋整條線路的匯流排。系統(tǒng)通過機器視覺算法檢測匯流排腐蝕狀態(tài)，發(fā)現(xiàn)問題后，在圖像上疊加位置、時間信息，并報警處理。

1.3 接觸線磨耗檢測子系統(tǒng)

接觸線磨耗檢測子系統(tǒng)采用圖像測量方式檢測剛性接觸網(wǎng)接觸線的磨耗程度，并計算磨耗量的精準數(shù)值。系統(tǒng)設(shè)計采用條形光+高清采集相機的方式完成測量工作，將條形光和高清相機集成設(shè)計為一體化裝置，該裝置由條形光源、相機、嵌入式板卡及各類接口組成。系統(tǒng)設(shè)計由條形光照射在接觸線的下表平面，形成一條橫向光斑，高清相機采集光斑圖像，并根據(jù)圖像智能識別算法計算光斑圖像的橫向數(shù)值，然后推導(dǎo)得出接觸線磨耗的精準數(shù)值。

1.4 里程定位子系統(tǒng)

里程定位子系統(tǒng)是整個系統(tǒng)的重要輔助裝置，通過主控單元將里程定位信息傳給各子系統(tǒng)，為解決設(shè)備故障位置的準確快速定位提供技術(shù)手段。里程定位子系統(tǒng)的傳感器安裝于前側(cè)車軸附近，通過軸直徑及傳感器觸發(fā)次數(shù)計算車輛運行速度、行駛里程。

1.5 桿號輔助定位子系統(tǒng)

系統(tǒng)設(shè)計在車頂部安裝兩部桿號抓拍單元，對車輛行駛過程中軌旁的桿號/里程號進行觸發(fā)抓拍。系統(tǒng)智能分析主機對采集到的圖像進行實時桿號/里程號識別，同時將識別結(jié)果疊加到各子系統(tǒng)數(shù)據(jù)中[10]。

1.6 主控管理子系統(tǒng)

主控管理子系統(tǒng)采用分布式架構(gòu)，實現(xiàn)系統(tǒng)中各子系統(tǒng)之間的數(shù)據(jù)信息深度融合及應(yīng)用。系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)

主控管理子系統(tǒng)接收檢測車速度信號、里程信號，并將其分別傳輸至各采集檢測模塊。各檢測模塊的內(nèi)置嵌入式采集程序在接收信號的同時，依據(jù)信號參數(shù)配置采集幀率。各子系統(tǒng)采集圖像后，將圖像回傳至主控管理子系統(tǒng)。主控管理子系統(tǒng)調(diào)用各類識別算法，智能識別圖像中存在的各類缺陷、檢測參數(shù)、信息數(shù)據(jù)、位置數(shù)據(jù)等，并對上述數(shù)據(jù)進行整合及篩選，輸出基于位置、時間、缺陷種類的各類檢測結(jié)果，并對線路情況進行綜合預(yù)警。

2 系統(tǒng)實現(xiàn)

2.1 主控管理軟件

主控管理軟件基于NET架構(gòu)，采用Microsoft Visual Studio的C#語言開發(fā)，可在Windows的各個版本操作系統(tǒng)運行。系統(tǒng)開機運行后，主控管理軟件自動開啟各子系統(tǒng)的自檢工作，對各子系統(tǒng)的運行狀態(tài)做出準確判斷，并根據(jù)各子系統(tǒng)反饋的實時數(shù)據(jù)信息開啟管控功能。軟件功能模塊包括參數(shù)配置、檢測值實時顯示、圖表繪制、報表查詢、報警管理等模塊。

（1）參數(shù)配置模塊用于對各子系統(tǒng)采集設(shè)備進行參數(shù)配置。

（2）在檢測車運行過程中，檢測值顯示模塊實時顯示檢測車當前位置采集到的圖像和接觸網(wǎng)參數(shù)的具體數(shù)值，包括導(dǎo)高、拉出值、磨耗等的具體數(shù)值。

（3）隨著檢測車行駛里程的增加，圖表繪制模塊以里程為橫軸，導(dǎo)高或拉出值的檢測數(shù)值為縱軸，在軟件顯示界面上實時更新每個位置的具體數(shù)值，并以此繪制導(dǎo)高、拉出值曲線。

（4）報表查詢模塊在系統(tǒng)巡檢完畢后進行線路故障數(shù)據(jù)、參數(shù)數(shù)據(jù)等的報表顯示、傳輸、存儲等工作。

（5）報警管理模塊實時獲取并顯示故障、缺陷、超出閾值等信息，并生成報警報告。

2.2 硬件設(shè)備

系統(tǒng)搭載于檢測車上，由車頂圖像采集單元、車內(nèi)工控單元、車底補償單元組成，其核心設(shè)備為車頂圖像采集單元，各子系統(tǒng)的采集檢測模塊均包含在其中。車頂圖像采集單元如圖2所示。

系統(tǒng)通過主控管理系統(tǒng)疊加各模塊嵌入式采集板卡和采集程序，在車輛運行過程中自動采集檢測所在路段的匯流排、桿號高清圖像，以及激光或條形光照射點位的導(dǎo)高、拉出值、接觸線磨耗的圖像，并通過智能識別程序?qū)θ毕菪畔⒑蛶缀螀?shù)進行智能識別，從而達到線路狀況檢測的目的。

3 智能識別算法

3.1 導(dǎo)高拉出值檢測算法

本文提出的導(dǎo)高拉出值檢測方式是非接觸的測量方式，基于單目以及線性激光的幾何構(gòu)建完成接觸線高度和拉出值的檢測。首先，對相機進行標定，完成標定參數(shù)的計算，并以此參數(shù)進行設(shè)備設(shè)置，以保證后續(xù)拍攝圖像的質(zhì)量。

設(shè)備標定完成后，固定于車頂?shù)脑O(shè)備即可開始圖像采集檢測工作。圖像采集完成后，采集設(shè)備將圖像傳輸至后臺智能識別模塊，對圖像進行智能分析。識別算法首先對拍攝的圖像進行校正處理，然后利用自適應(yīng)閾值對圖像中的光點進行定位，截取光點信息，并對光點信息進行精確檢測及亞像素處理，以坐標系轉(zhuǎn)換方式得到精確的導(dǎo)線最低點在現(xiàn)有坐標系的空間位置；后續(xù)通過引入相機標定參數(shù)以及確定的位置關(guān)系，計算接觸線的高度和拉出值，最后利用精確測量設(shè)備對本設(shè)備進行標定，獲得精確的檢測結(jié)果。

檢測算法流程如圖3所示。

圖3 導(dǎo)高拉出值檢測算法流程

3.2 匯流排腐蝕檢測算法

基于對匯流排腐蝕檢測困難性的了解，本方案采用基于卷積神經(jīng)網(wǎng)路的深度學習算法對匯流排圖像進行圖像智能識別。算法網(wǎng)絡(luò)基于U-Net，不需要任何預(yù)設(shè)特征，網(wǎng)絡(luò)從訓(xùn)練數(shù)據(jù)中學習特征。算法通過語義分割及預(yù)設(shè)閾值的方式，對圖像進行分割識別，對不同尺度、方向和遮擋程度的對象進行分類，定性腐蝕現(xiàn)象[11]，并對腐蝕程度進行定量分析。系統(tǒng)的檢測結(jié)果可廣泛應(yīng)用于腐蝕檢測領(lǐng)域。

算法分析通過基于深度學習的語義分割算法和預(yù)設(shè)的匯流排有效區(qū)域比例，得到腐蝕像素，然后通過腐蝕面積給出腐蝕程度，腐蝕面積與腐蝕程度正相關(guān)。腐蝕檢測算法流程如圖4所示。

圖4 腐蝕檢測算法流程

圖4中，a為待處理圖像，通過深度學習的語義分割算法得到腐蝕圖像b（白色點為識別出的腐蝕位置），同時對待處理圖像進行Sobel變換，得到豎向的梯度圖c，對豎向梯度進行統(tǒng)計，得到匯流排主要區(qū)域圖d（白色部分表示匯流排主要區(qū)域），最終將b與d相乘，得到腐蝕像素圖e。

3.2.1 基于深度學習的腐蝕圖像定位提取

采用基于U-Net的網(wǎng)絡(luò)架構(gòu)，使用基于深度學習的語義切割算法，將圖像區(qū)域分類為腐蝕與否。同時，為了提高檢測速度，對系統(tǒng)架構(gòu)設(shè)計進行優(yōu)化，減少通道數(shù)量。

基于深度學習算法的體系結(jié)構(gòu)網(wǎng)絡(luò)由下采樣網(wǎng)絡(luò)和上采樣網(wǎng)絡(luò)組成。下采樣網(wǎng)絡(luò)負責完成特征提取，主要完成主干特征提取，利用主干部分獲得多個特征層，用于下一步與上采樣的特征融合。上采樣網(wǎng)絡(luò)用于加強特征提取，將下采樣獲得的多個特征層進行上采樣，通過與不同卷積層的信息進行跳層鏈接，實現(xiàn)特征融合（即在通道維度進行堆疊），獲得一個最終的融合所有特征的有效特征層。

在實際應(yīng)用時，除最后塊為Conv+BN外，每個小塊為Conv+BN+ReLu6，其中卷積使用3×3的卷積核，在計算卷積后進行BN和ReLu6操作。在下采樣部分，使用maxpool對特征層進行1/2下采樣；在上采樣部分，使用雙線性插值進行2倍上采樣。下采樣部分的數(shù)據(jù)通過通道拼接的方式，融合到上采樣數(shù)據(jù)中。通過計算后，對圖像中的每個像素點進行分類，確定其腐蝕特性。

3.2.2 基于梯度數(shù)據(jù)的有效區(qū)域篩選

采集系統(tǒng)采集到的圖像中包含匯流排之外的區(qū)域，這部分區(qū)域也可能存在一些干擾因素，會被識別為腐蝕，影響系統(tǒng)的最終檢測結(jié)果，造成誤報、誤識別等問題。因此，在圖像識別研發(fā)過程中，通過設(shè)計算法減少這部分的誤檢。通過對采集圖像的特征觀察，發(fā)現(xiàn)采集圖像中存在較為明顯的區(qū)分特征，即除匯流排外橫向的邊緣較少，可通過該特點定位匯流排位置

設(shè)計通過梯度數(shù)據(jù)算法完成圖像無效區(qū)域的干擾排除。通過對圖像進行Sobel變換，只保留縱向梯度，得到縱向梯度圖。通過對圖像中匯流排高度占比進行統(tǒng)計，設(shè)定匯流排有效部分占圖像高度的40%，在縱向方向?qū)D像進行遍歷，找到縱向梯度之和最大的占圖像高度40%的部分，即可認為是匯流排有效區(qū)域。在該區(qū)域中檢測到的腐蝕像素數(shù)相對于有效部分像素數(shù)的比例即為腐蝕程度。

3.2.3 算法訓(xùn)練

線路上實際腐蝕的圖像樣本較少，可在其他場景下采集被腐蝕的匯流排樣本，并進行標注。在訓(xùn)練時，將標注出的腐蝕像素融合到實際線路上采集的樣本。首先對腐蝕標注圖像進行輪廓檢測，找出每個最小連通域，然后隨機取出多個連通域?qū)?yīng)的腐蝕匯流排像素，通過alpha融合，隨機放置到實際線路圖像的匯流排上。同時，還可對圖像進行加噪、翻轉(zhuǎn)、旋轉(zhuǎn)、縮放、平移等操作，以增加樣本多樣性。

訓(xùn)練所使用的腐蝕匯流排圖像共172張，實際線路匯流排圖像共650張，初始學習率為0.01，使用SGD優(yōu)化器，設(shè)置batchsize為16，epoch為200，每訓(xùn)練5 000步學習率下降0.2。

測試集共247幅圖像，檢測結(jié)果如表1所示。在Windows 10系統(tǒng)（CPU為Xeon E3-1231 3.40 GHz）上，處理一幅圖像平均耗時22 ms。

實驗室內(nèi)對測試集進行檢測的結(jié)果顯示，算法能夠有效對測試圖像中的腐蝕情況進行定性識別，并實現(xiàn)定量分析。

3.3 接觸線磨耗測量算法

本系統(tǒng)利用條形光及2臺高速高清相機進行接觸線磨耗的非接觸式測量。隧道內(nèi)接觸線拉出值的范圍為±250 mm，2臺相機檢測視場半徑皆為300 mm，中間重疊50 mm，該采集檢測方式可保證檢測分辨率小于0.1 mm，進而保證檢測誤差低于0.5 mm。

系統(tǒng)工作時，設(shè)備采集圖像后傳輸至識別單元進行智能識別。系統(tǒng)識別算法首先進行圖像算法校正，并依據(jù)特征定位法對光斑進行定位，分割提取光斑圖像和信息后，利用亞像素計算得到光斑的寬度，最后通過引入導(dǎo)高拉出值以及相機參數(shù)修正誤差，得出光斑的精確寬度。檢測流程如圖5所示。

圖5 磨耗檢測算法流程

4 系統(tǒng)應(yīng)用情況

剛性接觸網(wǎng)缺陷智能檢測系統(tǒng)在大連地鐵1號線進行測試使用，結(jié)構(gòu)化的檢測模塊安裝于檢測車的車頂、車內(nèi)和車底位置，以固定頻率進行線路巡檢。巡檢過程中，項目人員安排以整體跑車測試方式，根據(jù)現(xiàn)場情況進行設(shè)備調(diào)試，驗證不同車速下導(dǎo)高拉出值測量參數(shù)、接觸線磨耗測量參數(shù)、匯流排腐蝕的實際情況。

巡檢驗證結(jié)果顯示：導(dǎo)高拉出值檢測誤差控制小于±5 mm；匯流排巡檢覆蓋率達到100%，磨耗異常識別率在95%以上；磨耗檢測系統(tǒng)的檢測精度在0.5 mm以內(nèi)。

5 結(jié)語

本文介紹的一種剛性接觸網(wǎng)缺陷智能檢測系統(tǒng)是用于剛性接觸網(wǎng)導(dǎo)線及懸掛裝置幾何參數(shù)及缺陷檢測的專用設(shè)備，該設(shè)備摒棄了傳統(tǒng)的激光單點測量和紋理顏色特征檢測方法，利用機器視覺采集識別技術(shù)，降低瞄準工作的復(fù)雜度，同時實現(xiàn)線路狀態(tài)、參數(shù)、桿號/里程標志的數(shù)字化識別；利用具有更高魯棒性的深度學習算法進行腐蝕異常圖像識別，有效提高了接觸網(wǎng)幾何參數(shù)測量精度和匯流排缺陷檢測效率及準確率。該系統(tǒng)圖像采集檢測方法先進，采集圖像清晰，識別率高，在實際巡檢過程中具有顯著優(yōu)勢；設(shè)備通用性好，提高了線路巡檢效率，為剛性接觸網(wǎng)的線路運行提供了安全保障，具有良好的推廣應(yīng)用前景。