详情

原文传递基于机器视觉和云技术的铁路巡检智能分析系统研究

论文题名：	基于机器视觉和云技术的铁路巡检智能分析系统研究
关键词：	铁路机务巡检;机器视觉;MaskR-CNN模型;云存储架构;AES加密算法
摘要：	铁路安全运行离不开先进的技术设备和高效的管理模式，随着“十四五”现代综合交通运输体系发展规划的提出，我国将进一步在铁路运输量以及高速铁路里程建设上迈出坚实的一步。面对如此高标准、严要求的目标任务，各铁路相关部门在追求创新技术发展的同时也面临着传统问题亟待推陈出新的难题。尤其是在铁路机务安全领域，传统的巡检手段和管理模式已无法满足日益增长的铁路运营需求，因此，有必要对铁路巡检流程以及机务信息管理展开系统化的研究。　　现阶段，机务巡检过程主要依靠人盯设备的传统检测手段，不仅效率低下、检测周期较长，还容易出现漏检错检的问题，在耗费大量人力成本的同时也埋下了一定的安全隐患；另一方面，巡检信息往往由各部门独立存储，但随着大数据时代的到来，信息量呈指数式上升，导致各部门频繁出现信息爆炸、冗余等问题，且由于铁路信息安全卡口的限制，各部门间的信息交互也成为了问题，不利于整个部门的整体发展。考虑到当前铁路机务发展的要求，本文旨在解决的关键问题如下：　　（1）传统机务巡检过程过于依赖人工，亟需一种智能化的检测手段来优化整个检测流程，以适应各路局针对机务段的改革要求。　　（2）铁路机务信息容易造成冗余，进而可能会使服务器出现瘫痪状态，亟需一种高效的信息存储手段，且如此大规模信息间的交互安全也需要进一步升级。　　（3）铁路机务信息管理系统运行方式老旧，亟需对整个系统结构进行优化和升级。　　针对上述问题，本文进行了如下具体工作：　　本文在第三章提出了一种基于机器视觉与卷积神经网络的铁路机务巡检目标智能检测方法，解决了上述关键问题（1）。首先，通过巡检设备完成机器视觉图像的采集；然后，对采集数据进行预处理并传入云端；最后，利用云端训练好的MaskR-CNN模型完成对铁路巡检目标的识别。实验结果表明，本章提出的方法具有较高的识别精度，且运行速度较快，能够适用于铁路机务段巡检的要求。　　本文在第四章设计了一种嵌入云端数据加密功能的云存储架构，解决了上述关键问题（2）。先通过对AES算法的明文加密步骤进行改进，使加密复杂度得以提高；再根据实际现场需求，按照云服务商规定的接口规范重写了API接口，完成了云存储架构的建立。通过与相关加密算法进行对比试验，进一步验证了本章节提出的改进AES加密算法的有效性。　　本文在第二章通过一定的现场考察分析了部分系统的需求，并在第五章完成了功能的实现，解决了上述关键问题（3）。主要包括数据库设计模块、巡检信息交互模块、巡检图像智能分析模块和人员管理系统模块等等。优化和升级后的系统模块相较于传统机务信息系统具有更高的智能度和可视化表现能力。
作者：	牛满宇
专业：	计算机技术
导师：	马殷元;姚闯
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2022