叶凯华1，陈相平2，张良智3
1.山东交通学院 轨道交通学院 山东 济南 250357；
2,3.山东交通学院 国际教育学院 山东 济南 250357
摘 要：目前，接触网上的异物是威胁高铁安全运营的重要因素之一，为了克服现有接触网检测技术及方法的不足，该文提出基于人工智能技术的高铁接触网异物智能监测方法。该方法充分考虑铁路接触网动态检测的需求和特点，设计基于深度神经网络的异物检测模型，从而对接触网运行状态进行实时动态监测，并对发现异物后的一系列反应进行反馈，既满足了现有高速铁路的快速发展需求又极大的提高了铁路安全运输效率，具有广阔的应用前景。
关键词：接触网；异物监测；人工智能；深度学习
中图分类号：U225 文献标识码：A 文章编号：
1 引言
接触网作为电气化铁路最重要的组成部分，由于环境中频繁发生恶劣自然条件，侵蚀接触网系统,导致接触网目前成为了铁路系统中相对较为薄弱的组成环节。其中，接触网上的异物是威胁高铁安全运营的重要因素之一，但由于接触网具有分布广泛、数量众多、异物不容易察觉等特点，导致传统巡检方式效率低、周期长、检测成本高，不能有效满足高铁快速发展的需求。
由于接触网的性能参数和运行质量直接关系到铁路运输的稳定和效率，所以，必须要有严格和科学的标准用于接触网设备的设计与架设，在接触网投入运行后，对接触网进行全周期检测，依据标准严密分析检测数据，及时发现存在的隐患并且对发生的故障进行及时有效的判断，进而采取有效措施进行克缺。
因此，接触网监测技术的发展和查缺效率成为中国铁路在经历如此大规模建设后路网安全运行的关键。进行此项研究具有十分重要的理论意义和现实意义。
2 监测方法总体介绍
高铁接触网异物监测方法是为了对接触网异物进行及时有效的检测，同时降低人力成本，综合运用计算机视觉、深度学习等技术，提出的一种基于人工智能的高铁接触网异物智能监测方法。
针对上述重大需求，该方法考虑采集到的视频图像特点以及接触网安全运行需求，首先对采集到的图像数据进行预处理，然后将接触网异物检测问题转化为目标检测问题，然后设计基于深度神经网络的异物检测算法，并利用标定的样本训练异物检测模型，对深度学习模型进行优化以提高识别准确率，最后将训练好的模型应用于真实场景中对接触网中存在的异物进行自动监测。
根据调研结果发现，图像采集装置作为一种架设在高铁上的视频采集设备，通过对接触网的状态及其周边环境进行不间断拍摄，为接触网状态监控提供图像数据，但由于设备架设时需要一定的仰角，导致接触网在图像中存在着一定的旋转。不仅如此，由于营运的需求，高铁在部分时间中难免会在夜间行驶，导致接触网状态监测工作在夜间时难以保证部分图像的清晰度。
因此，考虑到上述两种情况的存在，应将视频图像在输入卷积神经网络前对采集到的图像数据进行预处理，尤其针对弱光环境下开展图像增强，将部件的细节进行增强，突出重点关注部分，适当减弱周围环境，从而得到一种更加适合机器进行处理的图像，以便于显示、观察和进一步分析，为后续提高图像识别的准确率做准备。
在对图像进行预处理后输入到卷积层。卷积层是深度学习经常使用的一种层，如果一个深度神经网络主要由卷积层组成，那么则将其称为卷积神经网络。
卷积层亦可以作为神经网络的隐藏层，它既可以接受原始图像也可以接受特征图像作为它的输入，当前卷积层产生的特征图，也可以作为下一个卷积层的输入。
卷积层通过对接触网目标图像进行卷积运算从而实现变换，这样，通过改变卷积核对目标图像进行的卷积运算，我们就可以提取各种不同的特征。通过设计多个不同的卷积核，这样对一幅接触网图像的多个通道以及图像不同的位置区域，使用不同的卷积核，可以获得多个卷积结果，把这些结果再以不同的通道相组合称为特征图，特征图即为卷积神经网络的最终输出。由此将计算机视觉与卷积神经网络相结合，通过输入图片样本，训练出相应模型就可以实现计算机对图像的自动识别功能。
3 核心功能模块设计
基于以上核心技术所构成的高铁接触网异物智能监测系统是一种专门用于列车行进过程中实时动态监测接触网状态的应用系统。
高铁接触网异物智能监测系统，包括调度指挥中心监控设备和异物智能监测系统，调度指挥中心监控设备经GSM无线网络与异物智能监测系统相通信，调度指挥中心监控设备接收、存储异物智能监测系统发送的数据并发出报警信息；其特征在于：所述异物智能监测系统由监测系统控制器及与其相连接的定位传感器、图像采集模块、受电弓驱动装置和无线通信模块组成，监测系统控制器具有信号采集、数据运算和控制输出的作用；监测系统控制器经图像采集模块采集高铁接触网的图像数据，经定位传感模块获取异物智能监测系统所处的地理位置信息，经无线通信模块与调度指挥中心监控设备相通信，经受电弓驱动装置控制高铁上的受电弓上升和下降，实现受电弓与接触网的接触和断开，以躲避高铁接触网上的异物。
高铁接触网异物智能监测系统其由调度指挥中心监控设备和异物智能监测系统组成，异物智能监测系统用对高铁接触网上是否存在异物进行监测和判断，并将监测结果和异物存在的地理位置坐标信息发送给调度指挥中心监控设备，由调度指挥中心监控设备对数据进行存储，并发出异物报警信息，以提醒工作人员采取相应措施。所示调度指挥中心监控设备与异物智能监测系统经GSM无线网络通信。异物智能监测系统可设置于高铁列车上，也可设置于高铁沿线接触网异物高发位置处，设置再高铁上可实现对供电接触网的连续监测，设置在固定位置处，则只对异物高发段接触网进行监测。
监测系统控制器根据图像采集模块所采集的图像，通过对图像的处理识别出接触网上是否有异物存在，如果有异物存在，则经受电弓驱动装置将高铁上的受电弓降下来，以实现对异物的躲避。同时，经定位传感模块获取当前的地理位置坐标信息，并将异物存在信息和异物所在的地理位置信息经无线网络发送至调度指挥中心监控设备，调度指挥中心监控设备接收到数据后进行存储，并发出异物报警信息，以便在异物清除前后续的列车经过异物所在区域时，也采取相应的避障处理。
4 结束语
本文针对接触网异物入侵问题提出了一种基于人工智能的高铁接触网异物智能监测方法，它可以在没有工作人员参与的条件下，对铁路系统的接触网图像进行识别与分析，同时对发现异物后的一系列反应进行反馈，可以灵活的适用于多种应用场景，为解决高铁接触网的异物入侵问题提供了一种可行方案。
参考文献
[1]王聪. 基于卷积神经网络的铁路图像智能识别算法研究[D].北京交通大学,2018.
[2]蒋欣兰,贾文博.高铁接触网异物侵入的机器视觉检测方法[J].计算机工程与应用,2019,55(22):250-257.
[3]刘旭松,游诚曦,韩志伟.多并发接触网6C智能识别系统服务架构研究[J].电气化铁道,2020,31(06):24-28.
[4]王纪武,罗海保,鱼鹏飞,刘亚凡.基于Faster R-CNN的铁路接触网鸟巢检测[J].铁道机车车辆,2020,40(02):78-81+108.