您的当前位置:

数智化发展 | 继大秦线溜逸脱线后,煤炭集运站该如何高效安全发运?

2022-04-19 16:32:001987

近日,大秦线翠屏山站保留的货车车列发生溜逸脱线,经一昼夜抢修,大秦线现已恢复运输。据太原路局的消息,原计划5月1日展开的大秦线春季集中检修会提前到4月21日展开,将有十多家单位参与维修。

 

预计在检查过程中,由于煤车运行需要限速,运量将难以达到满发。
 

要想快速又安全地发车,就需要及时对铁路列车做出检测、识别和报警。于煤炭集运站,传统的人工巡检,方法简单直接,但由于随机、突发和不可预测,很难做到时刻确保列车周边安全。实际上,人工巡检效率不高,可靠性极低,漏检可能性还高。

 

找煤网铁路列车AI智能监测系统,开启“机检”代替“人检”新时代,智能监测外部车厢和车厢内部,操作方便、准确度高且具备自动报警的功能。系统能够自动采集视频,通过对视频数据处理分析,智能判断列车区域是否存在异常。


 

找煤网铁路列车AI智能监测系统

 

货车从入站到发车,系统都会对其进行全方位监测,监测车厢门是否全部关闭、搭扣是否落槽、篷布腰绳是否完好等安全事项,保障货车运行安全。系统识别时,会自动切分车厢识别信息,检测车厢状态异常情况,并对其进行标注,方便管理人员快速确认问题车厢,在第一时间应对处理。

 

在真实环境中,存在很多障碍物或遮挡物,以及煤炭堆积叠加,使得监控难度加大。对此,该系统实行多机位全方位监控,车厢上方、两侧、车底异物皆可监测,保证无死角无疏漏。同时采用特征建模方法,排除各种干扰,进行准确识别,系统识别率达95%以上。

 

系统是如何实现对车厢异常事件的监测呢?所谓AI智能监测识别本质就是对目标实物进行实时监控,根据特征进行一一比较,判 断合法性,当值不符合设置的阈值后,就会进行自动报警,否则滤掉信息,继续进行监控。

 

该系统为集机器视觉、图像处理和深度学习理论于一体的应用系统。基于图像特征的识别分类需要经过特征提取、特征计算、参数分析选择,确定异常事件特征。将特征参数输入图像分类器,通过训练过的数据集,得到异常类型。从而避免发生车厢门未关、搭扣没落槽、车厢内煤质污染、传送带被异物(石头、树枝等)划破等异常事件,保障工作高效安全运行。

 

为适应用户的操作习惯,系统界面设计采用仿C/S窗口模式。

 

异常报警功能是监测系统的核心部分,系统界面显示内容主要包括铁路视频实时采集画面和异常检测标记。通过深度学习进行对异常事件的判断分析,将异常事件结果以及报警信息自动记录到数据库。

 

此外,系统支持远程视频回放功能,历史视频压缩后保存到服务器,作为以后系统分析的依据,监测人员可根据时间调取相应的历史记录。

 

集运站铁路货车发运与新型信息技术融合,从传统人工巡检到人工智能,有效遏制了运行事故的发生,减少设备磨损,保证铁路运营高效安全,同时创造更大的经济效益。


 

找煤网铁路列车AI智能监测系统

 

开启“机检”代替“人检”新时代,解决效率低、误差大、漏检、人工检测安全隐患大等问题。系统识别率达95%以上。

 

产品咨询 · 欢迎联系我们

  021-58770005