基于机器视觉的轨道交通轨旁设备状态智能巡检系统.docxVIP

PAGE2

基于机器视觉的轨道交通轨旁设备状态智能巡检系统

摘要

轨道交通的安全运营高度依赖轨旁设备——信号机、道岔、应答器等——的可靠状态。传统人工巡道与固定式传感器存在效率低、覆盖盲区大、实时性差等痛点。本课题设计一套搭载于电务巡检列车上的机器视觉系统，结合深度学习算法，实现轨旁设备状态的自动化、智能化巡检。系统以工业线阵相机与面阵相机为主体，通过多光谱补光与振动抑制模块，在列车高速行驶条件下获取高清设备图像；后端采用改进的YOLOv8检测网络与轻量级状态判别头，完成信号机灯位显示异常、道岔密贴间隙超限、转辙机箱体锈蚀等30余类缺陷的实时识别。论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开：第一章梳理轨旁设备巡检的现实痛点与研究现状；第二章论证深度学习与高速视觉融合技术选型；第三章定义系统功能与非功能需求，建立用例模型；第四章给出从车载采集单元到地面分析中心的总体架构与模块划分；第五章深入阐述异常识别算法流程、多尺度特征融合策略及决策逻辑；第六章展示系统实现的关键代码片段与运行效果；第七章通过功能与性能测试验证系统在120km/h车速下检测准确率≥95%的目标；第八章总结创新点与不足。系统的核心特色在于将轻量化检测头结构、频闪补光同步控制与边缘端近线处理三者协同设计，为轨道交通电务检修提供了一种非停机、高频率、全覆盖的巡检新模式。

关键词：机器视