人工智能在轨道交通缺陷检测的应用

    唐诗

    摘 要:在晚上地铁停运后,检测人员需要检测维修地铁运营车辆,排查可能的安全隐患,费时费力,效率低,成本高。为了解决这一系列问题,现利用AI算法进行地铁车轮螺栓松动检测,进行异常警告。

    关键词:YOLOV3;边缘检测;UNet;Hough直线检测;缺陷检测

    0 引言

    根据深圳地铁的运营分析,城市轨道交通30年运营全成本约为建设成本的3.3~3.7倍,其中设备检修费用占到其中很大的一部分。因此,通过AI技术对地铁车轮螺栓松动进行检测,可以极大地提高检测效率,同时降低地铁运营中需要的维护成本。

    近年来国内外对缺陷检测算法的研究取得了一些进展,主要表现在使用特定的特征提取方法,设计基于深度卷积网络的各种检测网络模型等新式检测手段。但目前市面上的检测方法相对较为单一,且螺栓在图像中占比较小,表面纹理特征差异不大,检测的效果达不到商用要求。本文提出的算法结合了YOLOV3、UNet和传统方法提取特征的手段,使车轮螺栓松动检测达到了很高的准确率。

    1 螺栓松动检测系统

    1.1 对接到地铁运营中心的数据库

    开发地铁车辆检测系统软件,将算法检测到的结果形成可视化结果,提供给到维护人员,实时监控运营车辆故障异常情况,为检修提供参考依据。同时数据将会更新到地铁运营中心的数据库。

    1.2 使用高速线阵相机进行数据采集

    高速线阵相机的优点有以下的优点:非常适合测量场合,精度高,部署成

    本低,且在高强度使用场景中不易发生故障,在工业上应用较多。目前主要运用于检测连续的材料,部署在地铁站场入口两侧。

    1.3 光源、镜头的调试

    调试镜头和光源直接影响数据质量,多次调试使数据的清晰度和亮度满足我们的要求,下面是我们的调试经验:

    线扫描系统,对光源和相机来说,有效的工作区域都是一个窄条。也就是保证光源照在这个最亮的窄条与相机芯片要完全平行,否则只能拍到相交叉的一个亮点。所以机械安装、调试是比较费工夫的。同时由于幅宽比较宽,对于线光源有两个特别的要求,就是均匀性和直线性。因为线光源不同位置的亮暗差异,会直接影响图象的亮度高低,这一点LED比卤素灯更好控制。出光部分的直线性,取决于LED发光角度的一致性、聚光透镜的直线性以及线光源外壳的直线性。

    2 基于多目标检测及图像分割算法

    2.1 地铁车辆螺栓检测-YOLOV3

    2.1.1 YOLOV3

    YOLOV3是目前主流的目标检测算法,在工业上应用广泛。该算法有检测速度快、精度高的优点。该模型分别在不同的特征层面上做了特征融合,因此可以检测到图像中的小物体,这对螺栓的检测是至关重要的。

    YOLOV3是one-stage检测算法,可以实现端对端实时检测。DarkNet53是主要的网络结构,主要是由1×1以及3×3卷积层和残差结构构成。通过堆叠这样的网络结构,实现速度与精度的均衡,同时残差结构还可以避免训练过程中发生的梯度爆炸问题。

    YOLOV3借鉴了FPN的思想,对多种不同尺度的特征进行了检测。其输出特征图大小分别为52×52、26×26和13×13,使用了9种不同尺寸的anchor,输出得到的张量为K×K×[3×(4+1+C)],其中,K为特征图大小,C为缺陷类别数。

    2.1.2 YOLOV3基础上的改进

    使用GIOU替代IOU。GIOU的计算方式为:先计算两个框的最小闭包区域面积,再计算闭包区域中都不属于两个框的区域占闭包区域面积的比重,再计算IOU,最后用IOU减去这个比重。GIOU考虑到了 IOU 没有考虑到的非重叠区域,對尺度也不敏感。

    增加注意力模块。通过在特征图的通道上使用注意力的机制,给予特征图中关键的位置较大的权重,从而提取到主要的特征,避免无关特征的干扰。

    由于检测目标特征与背景区分度较高,故采用轻量化YOLOV3、检测网络仅使用52*52特征图进行检测,加快检测效率。

    2.2 对螺栓图像分割-UNet

    UNet是在FCN的基础上发展过来的网络结构,分割效果很好,该模型在医疗上有了成熟的应用。相比FCN,UNet通过拼接的方式保留了更多的维度/位置信息,该模型适用于超大图像分割,分割精度高,可满足多尺度分割的要求。使用YOLOV3抠出螺栓后,直接用OpenCV提取发现处理效果不好。后在中间加了一步图像分割,再用OpenCV处理图像分割后的结果,效果显著提升。

    UNet的网络结构,整个结构呈U型,先对图像做下采样,后做上采样得到分割结果图,上采样结构层和下采样结构层之间做skip-connection,将不同尺度的特征融合到一起,提高分割的准确度。

    3 数据集

    3.1 数据采集

    在地铁铁轨处安装高速相机,无需等到列车停放,在地铁运行时对地铁整体的车轮进行拍摄。对拍摄得到的图片做预处理,标注螺栓的位置和类别,螺栓松动检测主要做的是二分类,即判断是否松动。

    3.2 样本制作

    数据增强:将图片转换成灰度图;通过使用不同强度的光照模拟不同的光环境,得到更有泛化表现的样本;使用传统方法提高图片的对比度;随机裁剪图像,增强局部区域特征的学习;由于螺栓没有故障样本,需要使用PS的方式来制作YOLOV3的负样本。

    用精灵标注助手标注YOLOV3的样本,螺栓有目标为正样本,没有目标作为负样本,共同参与训练。正样本约2w张,负样本约5w张。另留出700张作为测试集。

    用LabelMe标注UNet的样本,即将六角螺栓标注出来,作为图像分割的样本。大约4w张样本。另留出400张作为测试集。

    4 最终效果

    使用本文算法对螺栓松动检测,在Tesla K80显卡下能达到30+FPS的帧率,mAP达到96.69;螺栓边缘直线检测平均误差2.2°。

    5 结语

    本文提出的算法不仅可以检测到螺栓的松动情况,还可以对误刹车和防松丝断裂等故障做出检测,最终也达到了很好的效果。闸刀闸瓦缝隙松开最小面积为3000+像素;防松丝正负样本分类准确率95.38%。综合前面的算法结构和最终效果,本文算法在工业上有较好的工程应用价值。

    参考文献

    [1]Redmon J,Farhadi A. ?YOLOV3: An Incremental Improvement[R]. arXiv,2018.

    [2]Ronneberger O, Fischer P, Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation[C]// International Conference on Medical Image Computing & Computerassisted Intervention. 2015.

    [3]Canny J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986 (6): 679-698.

    [4]Generalizing the Hough Transform to Detect Arbitrary Shapes?BALLARD D. H. Pattern Recognition 13(2), 111-122, 1981

相关文章!
  • 北京电影学院

    校训:尊师重道 薪火相传北京电影学院是一所有着电影历史传承和深厚电影文化积淀的高等艺术院校,学校的前身是1950年创建的表演艺术研

  • 中央音乐学院

    中央音乐学院由1940年建立的国立音乐院等几所音乐教育机构于1949年合并组建而成,是一所培养高级专门音乐人才的高等学府,全国艺术院校

  • 中央美术学院

    学院概况中央美术学院是中华人民共和国教育部直属的唯一一所高等美术学校。现设有中国画学院、造型学院、 设计学院、建筑学院、人文学院、