嵌入式無線貨車裝載狀態(tài)高清檢測系統(tǒng)方案研究

郄曉永

（中國鐵路鄭州局集團(tuán)有限公司 總工程師室，鄭州 450052）

鐵路貨車的貨物裝載和加固是保證行車安全和貨物安全的重要措施，也是鐵路各級(jí)貨運(yùn)管理部門的重點(diǎn)工作，具有安全要求高、技術(shù)難度大等特點(diǎn)[1-3]。為確保鐵路貨車運(yùn)營安全，提高鐵路貨運(yùn)服務(wù)質(zhì)量，采用自動(dòng)化、信息化、智能化系統(tǒng)對(duì)鐵路貨車裝載狀態(tài)進(jìn)行自動(dòng)檢測和智能識(shí)別具有重要的實(shí)際意義和應(yīng)用價(jià)值。

鐵路貨車裝載狀態(tài)檢測系統(tǒng)采用了計(jì)算機(jī)、自動(dòng)控制、網(wǎng)絡(luò)傳輸及相機(jī)自動(dòng)曝光等技術(shù)，由現(xiàn)場圖像采集系統(tǒng)、控制中心系統(tǒng)組成，采用4臺(tái)2 K高速線陣工業(yè)相機(jī)分別從左側(cè)、右側(cè)、左側(cè)頂部、右側(cè)頂部高速掃描列車[4]，高清圖像和貨車信息通過光纖傳輸至車站控制中心。車站控制中心對(duì)采集的圖像進(jìn)行實(shí)時(shí)預(yù)覽、壓縮、存儲(chǔ)，為運(yùn)營分析、事故排查等工作提供高清晰圖像依據(jù)。貨檢員可以在車站監(jiān)控中心對(duì)貨車狀態(tài)進(jìn)行查看、分析，減輕了工作量，提高了貨檢作業(yè)的安全性和工作效率[5]。

目前，系統(tǒng)存在的主要問題如下：

（1）線陣相機(jī)通過光纖遠(yuǎn)程接入工控機(jī)進(jìn)行數(shù)據(jù)采集，對(duì)傳輸網(wǎng)絡(luò)、千兆網(wǎng)卡要求比較高；存在傳輸不穩(wěn)定，丟幀、錯(cuò)幀現(xiàn)象。

（2）對(duì)工控機(jī)配置要求較高，單臺(tái)工控機(jī)只能接入2臺(tái)線陣相機(jī)。

（3）對(duì)采集到原始標(biāo)準(zhǔn)圖像文件格式（BMP）只能進(jìn)行軟件壓縮，速度較慢。

（4）現(xiàn)場設(shè)備與中心設(shè)備只能通過光纖通信，施工難度和成本過高。

（5）無法做到實(shí)時(shí)圖像識(shí)別。

通過采用嵌入式采集、處理板代替工控機(jī)進(jìn)行圖像采集、壓縮；采用通用并行計(jì)算架構(gòu)（CUDA）技術(shù)進(jìn)行圖像識(shí)別、分析；采用前端采集、分析、壓縮、存儲(chǔ)技術(shù)替代現(xiàn)有的中心集控策略；采用無線傳輸技術(shù)替代現(xiàn)有的光纖傳輸方式等可以顯著解決目前存在的問題和不足[6]。

為此，本文設(shè)計(jì)了基于嵌入式技術(shù)和無線通信技術(shù)的鐵路貨車裝載狀態(tài)高清檢測系統(tǒng)。系統(tǒng)采用高性能嵌入式處理板完成現(xiàn)場圖像的采集與智能識(shí)別，并將結(jié)果通過無線網(wǎng)絡(luò)傳輸至控制中心，為各級(jí)貨運(yùn)管理部門和作業(yè)部門提供清晰、直觀的貨車裝載信息。

1 架構(gòu)設(shè)計(jì)

1.1 總體架構(gòu)

根據(jù)鐵路貨車狀態(tài)檢測系統(tǒng)的現(xiàn)狀分析、新一代系統(tǒng)的設(shè)計(jì)方案和實(shí)際業(yè)務(wù)需求，結(jié)合未來信息化系統(tǒng)的發(fā)展方向，進(jìn)行總體架構(gòu)設(shè)計(jì)。總體架構(gòu)分為4層，數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、業(yè)務(wù)應(yīng)用層和智能分析層，如圖1所示。

圖1 系統(tǒng)總體架構(gòu)

（1）數(shù)據(jù)采集層由線掃圖像采集及處理子系統(tǒng)、車速采集子系統(tǒng)、車號(hào)采集子系統(tǒng)和數(shù)據(jù)處理設(shè)備等組成，完成現(xiàn)場各類數(shù)據(jù)的實(shí)時(shí)采集、信息匹配、預(yù)處理等功能。未來考慮增加綜合視頻監(jiān)控、北斗導(dǎo)航定位、激光測量、射頻識(shí)別等技術(shù)手段，豐富數(shù)據(jù)采集維度，提高數(shù)據(jù)采集精度，為綜合分析、智能挖掘提供數(shù)據(jù)基礎(chǔ)[7]。

（2）網(wǎng)絡(luò)傳輸層由無線傳輸子系統(tǒng)組成，為數(shù)據(jù)采集層至業(yè)務(wù)應(yīng)用層提供數(shù)據(jù)傳輸通道。采用兩對(duì)5.8 G無線網(wǎng)橋搭建無線傳輸通道，將現(xiàn)場數(shù)據(jù)采集和數(shù)據(jù)處理系統(tǒng)與車站控制中心系統(tǒng)連通。

（3）數(shù)據(jù)融合層由車站控制中心系統(tǒng)及上層業(yè)務(wù)系統(tǒng)組成，主要業(yè)務(wù)應(yīng)用包括對(duì)貨車裝載狀態(tài)檢測信息等相關(guān)領(lǐng)域系統(tǒng)數(shù)據(jù)的實(shí)時(shí)展示、靈活查詢、自助分析等。同時(shí)結(jié)合信息新技術(shù)，融合相關(guān)生產(chǎn)領(lǐng)域業(yè)務(wù)知識(shí)，通過邏輯推理來幫助解決復(fù)雜性、綜合性業(yè)務(wù)決策問題。

（4）業(yè)務(wù)應(yīng)用層主要基于大數(shù)據(jù)、人工智能、北斗等服務(wù)平臺(tái)以及各專業(yè)的生產(chǎn)應(yīng)用系統(tǒng)，運(yùn)用數(shù)據(jù)挖掘、交互分析、機(jī)器學(xué)習(xí)、時(shí)空感知等技術(shù)，進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)挖掘，探索數(shù)據(jù)新價(jià)值、發(fā)現(xiàn)系統(tǒng)新問題、呈現(xiàn)業(yè)務(wù)新規(guī)則，深度賦能鐵路運(yùn)輸生產(chǎn)。

1.2 系統(tǒng)功能

系統(tǒng)由線掃圖像采集及處理子系統(tǒng)、車速采集子系統(tǒng)、車號(hào)采集子系統(tǒng)、無線傳輸子系統(tǒng)及車站控制中心子系統(tǒng)等5部分組成[8-9]。

1.2.1 線掃圖像采集及處理子系統(tǒng)

線掃圖像采集設(shè)備布置，如圖2所示。

該子系統(tǒng)有3個(gè)采集箱及控制柜組成，包含線陣相機(jī)、采集控制板、光源及處理板，當(dāng)列車通過時(shí)拍攝列車左右兩側(cè)及頂部信息，獲取高清圖像信息并進(jìn)行相關(guān)處理，其工作流程如下：

（1）當(dāng)檢測到列車接近時(shí)，啟動(dòng)線陣相機(jī)，并根據(jù)此刻環(huán)境光照度實(shí)時(shí)調(diào)整線陣相機(jī)的曝光時(shí)間參數(shù)；

（2）依據(jù)“車速采集子系統(tǒng)”獲取的列車速度實(shí)時(shí)調(diào)整線陣相機(jī)的掃描頻率，以獲取完成的車廂高清圖像；

（3）依據(jù)“車號(hào)采集子系統(tǒng)”實(shí)時(shí)對(duì)采集的車廂圖像進(jìn)行智能分析，并將原始圖像進(jìn)行深度壓縮；

（4）列車完全通過后將處理過的圖像及時(shí)傳輸至現(xiàn)場主控板卡。

1.2.2 車速采集子系統(tǒng)

該子系統(tǒng)由測速處理板及測速磁鋼組兩部分組成，當(dāng)列車通過測速磁鋼組時(shí)，測速處理板實(shí)時(shí)計(jì)算列車運(yùn)行速度，同時(shí)生成線陣相機(jī)掃描頻率及列車分節(jié)信息并上傳至線掃圖像采集及處理子系統(tǒng)。

圖2 線掃圖像采集設(shè)備布置圖

1.2.3 車號(hào)采集子系統(tǒng)

該子系統(tǒng)由車號(hào)識(shí)別主機(jī)、天線以及磁鋼組等3部分組成，列車經(jīng)過開機(jī)磁鋼組，啟動(dòng)車號(hào)識(shí)別主機(jī)獲取車號(hào)信息，并通過CAN總線傳送車號(hào)信息至線掃圖像采集及處理子系統(tǒng)，當(dāng)列車通過關(guān)機(jī)磁鋼后，結(jié)束車號(hào)數(shù)據(jù)的采集。

1.2.4 無線傳輸子系統(tǒng)

該子系統(tǒng)由兩對(duì)5.8 G的無線網(wǎng)橋組成，分別傳輸高清圖像及輔助信息至車站服務(wù)器。

1.2.5 車站控制中心子系統(tǒng)

該子系統(tǒng)主要由存儲(chǔ)服務(wù)器、交換機(jī)、防火墻及查詢管理機(jī)等部分組成，負(fù)責(zé)存儲(chǔ)采集到的高清圖像并提供數(shù)據(jù)查詢、檢索及瀏覽功能。

系統(tǒng)的數(shù)據(jù)流，如圖3所示。

圖3 系統(tǒng)數(shù)據(jù)流圖

1.3 物理架構(gòu)

從物理架構(gòu)上，系統(tǒng)可劃分為兩部分：現(xiàn)場設(shè)備和中心設(shè)備。

現(xiàn)場設(shè)備主要完成數(shù)據(jù)采集、圖像識(shí)別、圖像壓縮等功能。現(xiàn)場設(shè)備主要由線掃圖像采集及處理子系統(tǒng)設(shè)備和無線傳輸系統(tǒng)設(shè)備構(gòu)成，包括：線陣相機(jī)、嵌入式處理板、無線網(wǎng)橋等。

現(xiàn)場采用3臺(tái)2 K高速線陣相機(jī)分別從左側(cè)、右側(cè)、頂部高速掃描列車，并通過嵌入式處理板卡對(duì)獲取的圖像信息進(jìn)行識(shí)別、壓縮，將處理后的信息實(shí)時(shí)傳輸至現(xiàn)場主控板卡；主控板卡將處理后的圖像及相關(guān)車速、車號(hào)信息通過兩路無線網(wǎng)橋傳輸?shù)杰囌痉?wù)器。系統(tǒng)布局示意圖，如圖4所示。

圖4 貨車裝載狀態(tài)檢測系統(tǒng)布局示意圖

中心設(shè)備主要完成數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)查詢、應(yīng)用分析等功能。中心設(shè)備主要由車站控制中心子系統(tǒng)設(shè)備和無線傳輸系統(tǒng)設(shè)備構(gòu)成，包括：車站服務(wù)器、工作站、無線網(wǎng)橋等。

系統(tǒng)物理架構(gòu)，如圖5所示。

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 嵌入式平臺(tái)

嵌入式系統(tǒng)一般包括軟件和硬件兩個(gè)部分，其中嵌入式處理器、存儲(chǔ)器和外部設(shè)備構(gòu)成整個(gè)系統(tǒng)的硬件基礎(chǔ)。嵌入式系統(tǒng)的軟件部分可以分為3個(gè)層次，分別是系統(tǒng)軟件、支撐軟件和應(yīng)用軟件[10]。

線掃圖像采集及處理子系統(tǒng)的嵌入式硬件設(shè)計(jì)采用嵌入式人工智能超級(jí)計(jì)算平臺(tái)—Jetson TX2。基于 NVIDIA Pascal? 架構(gòu)的Jetson TX2具有性能強(qiáng)大、外形小巧、節(jié)能高效等特點(diǎn)，特別適合機(jī)器人、無人機(jī)和智能攝像機(jī)等智能終端設(shè)備。

圖5 系統(tǒng)物理架構(gòu)

Jetson TX2預(yù)裝了 Ubuntu 16.04 作為系統(tǒng)軟件。

Jetson Development Pack（JetPack）是一個(gè)按需提供的一體化軟件包，捆綁并安裝了適用于 NVIDIA Jetson 嵌入式平臺(tái)的所有開發(fā)軟件工具。

Jetpack為人工智能提供了一整套軟件架構(gòu)，包括代碼示例、NSight開發(fā)工具和豐富的多媒體API，可以對(duì)底層硬件進(jìn)行很好的支持。JetPack 適用于以下功能的工具。

（1）深度學(xué)習(xí)：TensorRT、cuDNN、NVIDIA DIGITSTM工作流程；

（2）計(jì)算機(jī)視覺：NVIDIA VisionWorks、Open-CV；

（3） 圖 形 處 理 器（GPU） 計(jì) 算 ：NVIDIA CUDA、CUDA 庫 ；

（4）多媒體：圖像信號(hào)處理（ISP） 支持、攝像頭圖像、視頻編譯碼器（CODEC）。

同時(shí)，它還包括 ROS 兼容性、OpenGL、高級(jí)開發(fā)者工具等。

2.2 CUDA技術(shù)及開發(fā)方法

基于Jetson TX2開發(fā)的線掃圖像采集及處理子系統(tǒng)，支持CUDA并行計(jì)算架構(gòu)編程，利用Jetson TX2提供的CUDA（Compute Unified Device Architecture）開發(fā)庫實(shí)現(xiàn)了實(shí)時(shí)、快速圖像解析及預(yù)處理。

尺度不變特征變換（SIFT）是一種針對(duì)噪聲光照變化不敏感、具有較好可靠性的優(yōu)秀圖像局部特征描述算法，在圖像識(shí)別、圖像配準(zhǔn)等領(lǐng)域有著廣泛的應(yīng)用。然而，SIFT算法的復(fù)雜度較大，在基于CPU的計(jì)算過程耗時(shí)較長，無法滿足實(shí)時(shí)性要求高的場合。基于CUDA思想，可以重新設(shè)計(jì)SIFT算法的實(shí)現(xiàn)方案，解決實(shí)時(shí)性的并行運(yùn)算問題[11]。

2.3 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如：圖像、聲音和文本。

車站控制中心子系統(tǒng)的應(yīng)用分析模塊針對(duì)現(xiàn)場采集的圖片，利用CNN、RNN等深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、代替?zhèn)鹘y(tǒng)手動(dòng)提取特征方法[5]，結(jié)合GPU高性能算力資源，可以為鐵路貨運(yùn)貨檢業(yè)務(wù)場景提供圖像分類、目標(biāo)檢測、語義分割、場景描述等功能。

將深度學(xué)習(xí)技術(shù)應(yīng)用于圖像處理，可以使用卷積神經(jīng)網(wǎng)絡(luò)（CNN，Convolutional Neural Networks）訓(xùn)練圖像的深度學(xué)習(xí)模型，提取圖像的深度學(xué)習(xí)特征并且構(gòu)建成數(shù)據(jù)庫，最后通過支持向量機(jī)（SVM）對(duì)特征進(jìn)行分類識(shí)別，具體的主要步驟如下。

（1）采集和擴(kuò)充圖像數(shù)據(jù)集：對(duì)有限的圖像進(jìn)行預(yù)處理，對(duì)圖像的樣本進(jìn)行擴(kuò)充；

（2）設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)：在現(xiàn)有的VGG-16模型的基礎(chǔ)上利用卷積層代替全連接層構(gòu)建；

（3）訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：采用反向傳播算法和隨機(jī)梯度下降方法，根據(jù)前向傳播的loss值的大小，來進(jìn)行反向傳播迭代更新每一層的權(quán)重，直到模型的loss值趨向于收斂時(shí)，停止訓(xùn)練模型，得到深度學(xué)習(xí)模型；

（4）提取圖像的特征：將數(shù)據(jù)集中的每一幅圖像輸入到步驟3所述的深度學(xué)習(xí)模型中，針對(duì)輸入的圖像，在圖像的倒數(shù)第2層全卷積層提取深度學(xué)習(xí)特征；

（5）識(shí)別圖像：對(duì)于給定任意一幅待識(shí)別的圖像，輸入到訓(xùn)練好的深度學(xué)習(xí)模型中，提取樣本的深度學(xué)習(xí)特征，通過兩次訓(xùn)練的方法來有效的判別該圖像屬于哪個(gè)類別。

3 結(jié)束語

本文研究了基于嵌入式技術(shù)、無線通信技術(shù)、信息新技術(shù)的鐵路貨車裝載狀態(tài)高清檢測系統(tǒng)設(shè)計(jì)方案。方案采用高性能嵌入式處理板進(jìn)行現(xiàn)場圖像的采集與智能識(shí)別，并將結(jié)果通過無線網(wǎng)絡(luò)傳輸至控制中心，為各級(jí)貨運(yùn)管理部門和作業(yè)部門提供清晰、直觀的貨車裝載信息。

系統(tǒng)設(shè)計(jì)方案從設(shè)計(jì)層面提供了解決原有系統(tǒng)部署實(shí)施周期長、難度大、成本高等問題的思路。

下一步的研究內(nèi)容是依據(jù)系統(tǒng)設(shè)計(jì)方案進(jìn)行系統(tǒng)搭建，選擇合適的貨站進(jìn)行系統(tǒng)部署、測試。通過系統(tǒng)實(shí)施驗(yàn)證本設(shè)計(jì)方案的可行性和適用性。