人工智能在高铁运行安全中的应用研究

王婷 唐亚纯

摘 要：在智能科学高速发展的现在社会当中，人工智能也随之不断发展与完善。得益于云计算、大数据的高速发展与技术成熟，人工智能也不断朝着成熟的方向发展。人工智能逐渐应用于生活中，无人驾驶汽车、人脸识别、医学影像处理等，它被运用于各个行业。而人工智能不仅仅能够让某些企业获得经济效益，而且人工智能还能够改变我们的生活方式，使我们的生活趋向智能与便捷，使我们的生活质量有了飞跃性的提高，让我们的生活更加的便捷。文章旨在讨论研究人工智能技术在高铁运行安全中的应用及发挥的重要作用。

关键词：人工智能;高速铁路;接触网;机器学习

0 引言

从落实科学发展观的战略出发，为实现人们对美好幸福生活的向往，中国的铁路加快了将铁路更加现代化的进程。中国铁路的快速发展，在质量与运行速度上都得到了提升。随着人工智能技术在我国的发展，高铁也在不断地改进与完善，而安全问题一直是我们的研究重点。高速铁路需要依靠人工智能、云计算、大数据等先进的科学技术手段逐渐实现现代化，智能化。日趋成熟的人工智能技术，在其自身不断发展的同时，解决着高速铁路的安全问题[1-2]。

1 我国高铁现状

高铁里程的不断增加，对于高铁的运营安全也有了更高层次的要求。而移动装备、运行环境、基础设施状态等高铁运行安全的图像视频检测系统，能够将检测结果直观的表现出来，但有时候仍需要投入大量人力，人为因素的增加间接地加大了高铁运行风险。高铁网络规模不断扩大产生了大量的高铁运行图像数据，造成不确定性因素更多。凭借人工的判断，无法做到评估的标准完全统一，也无法排除外界因素对人工的影响，使得高铁运行安全面临更多潜在的风险。我国正积极的解决着高速铁路运行发展中所存在的安全问题。

高铁接触网故障。接触网的两个重要部件是吊弦和绝缘子，接触网是供电线路，在高速铁路运行的过程中，接触网如果发生故障，就会可能会导致系统不能正常运行。接触网有时会因为关键零件的缺失发生故障。随着动车组的运行次数增加，检测车车顶的成像装置的相机从多个角度拍摄而成的接触网悬挂图也大量增加。但接触网悬挂图中的零件都很小，对于检测或者识别其图像的精确度要求很高。

高铁轨道表面缺陷与异物侵限。高速铁路的钢轨表面擦伤或者扣件的缺失会影响到高速铁路的正常运行，高铁本身的零件数目的庞大，造成了检测时的困难性。钢轨在运输和建设的过程当中，会表现出不同程度的损耗，而主要的集中表现为：轨头磨损，局部压陷，钢轨外伤和腐蚀。钢轨的外伤，如擦伤，压陷，腐蚀等是可以通过人工检测出来的。但这种做法效率并不高，还需要耗费大量的时间与人力资源。

高铁运行安全图像的识别问题。目前的高铁运行安全图像主要依靠于人工的投入，高铁的运行次数增多，运行安全图像的增多，工作量的加大，工作强度的提高，这系列推动着高速铁路运行安全图像检测监测系统的运用。该系统不仅能维护高铁运行过程中的安全稳定性，还能够深入挖掘图像数据背后的意义与价值。但由于高速铁路运行安全检测监测系统分布在不同的地区，宽带的数量问题导致了图像在运输过程中的速度问题，图像在运输过程中出现失真等问题，阻碍了技术人员对高铁运行安全的识别与判断。高速铁路运行安全图像缺乏着带有标记的数据，让技术人员无法深入研究，使大量数据失去研究价值。

2 人工智能在高铁上的运用

高铁的运行与建立的过程中，得益于人工智能的发展与运用。人工智能与现代高铁的结合，无疑是推动了高铁的发展，带动高铁面向新的高度。人工智能在解决高铁的缺陷时主要运用于以下几个方面。

2.1 接触网悬挂状态检测装置

紧固件在高铁接触网起到一个固定的作用，而紧固件由于长期的工作，会受到一定的损坏，从而导致紧固件不牢固脱落。对于这种故障，主要途径是通过紧固件检测以及缺失件的识别这两部分来达到。首先，是提出紧固件目标检测网络，该网络主要是由特征提取网络，分类器和检测器等组成[3]。因为高速铁路接触网悬挂状态监测图像是直接进行输入利用，会增加计算与处理的时间耗费，降低整个过程处理的效率，因此我们对于获取的图像进行小批量的处理，从而减少浪费提高效率。而接触网悬挂装置会将图像进行自动化的处理，便于后续操作，但会保持图像的完整性，最后裁剪好的图像会被特征提取网络提取出图像特征，在这运用到的提取网络是一种轻量级特征提取网络，提取出的特征，用于分类器的识别，识别该图像块是否存在目标紧固件，存在则就要用到检测器进行定位[4]。分类器将一些不含有紧固件的图像过滤剔除，提高检测的精确度，紧固件目标检测网络对于我们的高速铁路接触网装置中的紧固件进行高效的充分的检测。最后利用紧固件运行状态分类网络来对我们的紧固件进行确信的识别与判定。

2.2 机器视觉在钢轨表面缺陷的运用

我们在自然环境下搜集到的钢轨表面图像，会受到各方面因素的影响，比如我们的装置设备，周围环境的嘈杂等原因。所以首先要对采集到的钢轨的表面图像进行处理，对采集的图片进行图像的去噪与增强的预处理，来提升图片质量，便于更好的将轨道从周围环境中分离出来。利用灰度水平投影法，将我们要选取的轨道区域定位出来，快速提取轨面[5]。轨面经过图像处理等，将缺陷区域筛选出来。这一部分是利用分割技术来提取我们所需要的缺陷部分的图像信息，然后对提取出来的缺陷进行特征描述。我们要对其灰度、形状等方面进行分析与总结。利用机器学习对钢轨表面缺陷进行分类。最后利用深度学习对缺陷进行识别工作。深度学习算法能够实现图像的分类，节省了中间的对于钢轨区域缺陷的提取等某些相关步骤。但是，深度学习需要大量的数据去实现这一功能。

2.3 周围环境检测、图像识别技术维护高铁运行安全

环境检测能够检测到高速铁路运行环境周围的路人状况预处理，实时对路况进行检测，进一步保证高速铁路的运行环境安全。异物排查对于高铁的运行安全也能发挥一定的作用，异物的种类多样性，造成了排除过程的高难度。异物的属性与尺度大小等因素阻碍，检测严密性有了更高的要求。标检测算法中基于回归的方法可以快速的进行实时检测，但精确度低，可能对小物件的检测不能满足其条件。基于区域的目标检测算法可以数据增强来增加样本的多样性以此来适应检测物的尺度的变化，便于检测出图像处于不同状态时的状况，但是，无法做到足够高的精确度，无法对于异物的定位做出明确的判断。所以，引入了可变形卷积，它通过分析动车运行安全图像的缺陷特征，建立目标检测的图像，能够达到提高动车组安全图像检测的精确度与效率。而针对于图像跨区域传递与宽带问题，建设高铁运行安全图像智能识别平台能够实现提升高速铁路运行安全图像检测系统的智能化，能够在靠近高铁运行安全图像检测的设备段附近进行智能识别，减少图像数据在传输过程中造成的数据损失与失真问题，减少平台识别安全运行图像的时间。高铁运行安全图像的半自动标注方法能够提升数据标注的准确性，而且为研究平台提供了数据。

3 结语

接触网的悬挂状态装置能对高速铁路接触网悬挂状态紧固件缺陷进行识别与判定，将高铁運行过程中存在的安全隐患排除。机器视觉能够识别检测出钢轨受损，识别出表面有缺陷的钢轨图像。周围环境检测能够排除异物，发现高铁运行周围环境的阻碍物。高铁的安全平稳运行靠着的是科技力量。随着5G技术的发展，在未来5G技术也将逐渐广泛运用于高速铁路中，人工智能，大数据，物联网等一系列的高新科技技术与手段也将不断的推动着高速铁路向前发展。

[参考文献]

[1]张子健.面向高铁接触网缺陷检测的智能图像处理关键技术研究[D].杭州：浙江大学，2019.

[2]赵冰，李平，代明睿，等.基于深度学习的铁路图像场景分类优化研究[J].计算机系统应用，2019（6）：228-234.

[3]狄亚柳.基于深度学习的高铁接触网悬挂目标检测图像处理研究[D].成都：西南交通大学，2018.

[4]周雯.面向高速铁路运行安全的智能图像识别方法研究[D].北京：中国铁道科学研究院，2020.

[5]张博，刘秀波，张志荣，等.基于视觉的钢轨表面缺陷识别方法综述[J].铁道建筑，2020（9）：136-140.

（编辑 傅金睿）