CN112446434A - 基于图像识别的联锁设备检测方法及系统 - Google Patents
基于图像识别的联锁设备检测方法及系统 Download PDFInfo
- Publication number
- CN112446434A CN112446434A CN202011432092.2A CN202011432092A CN112446434A CN 112446434 A CN112446434 A CN 112446434A CN 202011432092 A CN202011432092 A CN 202011432092A CN 112446434 A CN112446434 A CN 112446434A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- interlocking equipment
- interlocking
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 238000012545 processing Methods 0.000 claims description 50
- 238000004891 communication Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004806 packaging method and process Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003825 pressing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000003706 image smoothing Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- XCCTYIAWTASOJW-XVFCMESISA-L [[(2r,3s,4r,5r)-5-(2,4-dioxopyrimidin-1-yl)-3,4-dihydroxyoxolan-2-yl]methoxy-oxidophosphoryl] hydrogen phosphate Chemical group O1[C@H](COP([O-])(=O)OP(O)([O-])=O)[C@@H](O)[C@@H](O)[C@@H]1N1C(=O)NC(=O)C=C1 XCCTYIAWTASOJW-XVFCMESISA-L 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像识别的联锁设备检测方法及系统，系统包括：数据获取模块，用于获取待检测联锁设备的调度反馈图像；图像识别模块，根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。本发明提供的基于图像识别的联锁设备检测方法及系统，通过发送拍摄指令获取待检测设备的图像，并对待检测设备的图像与图像标准库进行对比，实现了对联锁设备的状态的自动化检测，同时提高了检测效率。
Description
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种基于图像识别的联锁设备检测方法及系统。
背景技术
随着铁路提速与客运专线的建设，动车作为主要的交通和运输工具，其购置成本和维护成本较高，为了提高动车的利用率、节约投资和降低成本，对动车中相关联锁设备进行检修工作是十分必要的，而在对联锁设备进行检修作业时，需要一套联锁设备检测系统来完成对联锁设备的检测工作。
现有技术中，轨道交通中联锁设备的状态检测方法，是通过测试人员频繁拍摄待测设备的状态图像，人为的判断待测设备是否处于正常状态，并通过派遣检修作业人员去现场进行确认，操作过程复杂，尤其是某个待测设备在出现故障时，需要去现场对各相关设备进行查看后才能确定出具体的故障设备。这样导致待测设备的状态检测任务的工作效率低，同时也难以实现目前工业生产的自动化检测要求与复杂的工作环境。
因此，如何通过设计一种检测系统，能够快速以及自动化的完成对待检测联锁设备的检测，成为亟需解决的问题。
发明内容
本发明提供的基于图像识别的联锁设备检测系统，用于解决现有技术中对检测联锁设备检测效率以及自动化程度低的缺陷，能够实现对待检测联锁设备状态的自动化检测的同时，提高了检测效率。
第一方面，本发明提供的基于图像识别的联锁设备检测系统，包括：
数据获取模块，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定所述待检测联锁设备，以及获取所述待检测联锁设备的调度反馈图像；
图像识别模块，根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态；
其中，所述图像标准库包括有与所述待检测联锁设备的各个状态相对应的图像；所述数据获取模块包括：
通信子模块，与所述待检测联锁设备连接，用于获取所述线路配置数据以及所述通信接口数据；
数据处理子模块，与所述通信子模块连接，用于读取所述线路配置数据以及所述通信接口数据，并根据所述待检测联锁设备提供的组包规则对所述线路配置数据以及所述通信接口数据进行组包；
数据解析子模块，与所述数据处理子模块连接，用于对组包后的数据进行解析，获取所述网络IP地址、端口号以及位置信息；
调度反馈图像获取子模块，与所述数据解析子模块连接，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定所述待检测联锁设备，以及获取所述待检测联锁设备的调度反馈图像。
根据本发明提供的一种基于图像识别的联锁设备检测系统，所述图像识别模块，包括：
图像预处理子模块，用于对所述调度反馈图像进行灰度化处理、二值化处理、增强处理以及平滑处理。
根据本发明提供的一种基于图像识别的联锁设备检测系统，所述图像识别模块，还包括：图像分析子模块，用于根据Aforge.NET架构类库构建相似度对比算法；
其中，所述相似度对比算法，用于根据所述图像标准库以及所述调度反馈图像进行对比分析，以确定所述待检测联锁设备是否处于正常状态。
根据本发明提供的一种基于图像识别的联锁设备检测系统，还包括：
逻辑处理模块，与所述图像识别模块连接，用于在所述待检测联锁设备处于异常状态时，生成状态切换指令，并根据所述状态切换指令驱动所述待检测联锁设备，以确保执行所述状态切换指令后的所述待检测联锁设备处于正常状态。
根据本发明提供的一种基于图像识别的联锁设备检测系统，还包括：
显示模块，与所述逻辑处理模块连接，用于实时显示所述待检测联锁设备执行所述状态切换指令后的图像。
本发明还提供一种基于图像识别的联锁设备检测方法，包括：
根据待检测联锁设备的网络IP地址、端口号以及位置信息，确定所述待检测联锁设备；
获取所述待检测联锁设备的调度反馈图像；
根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态；
其中，所述图像标准库包括有与所述待检测联锁设备的各个状态相对应的图像。
根据本发明提供的一种基于图像识别的联锁设备检测方法，所述根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态，包括：
根据Aforge.NET架构类库构建相似度对比算法；
基于所述相似度对比算法对所述图像标准库以及所述调度反馈图像进行对比分析，以确定所述待检测联锁设备是否处于正常状态。
本发明提供的基于图像识别的联锁设备检测系统，通过数据获取模块获取待检测设备的图像，并结合图像识别模块将待检测设备的图像与图像标准库进行对比，实现了对联锁设备的状态检测和分析，并通过利用通信子模块与待检测联锁设备进行数据交互，实现了对待检测联锁设备状态的自动化检测，降低了人为观察导致的错误，同时提高了检测效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于图像识别的联锁设备检测系统的结构示意图；
图2为本发明提供的数据获取模块的结构示意图；
图3为本发明提供的基于图像识别的联锁设备检测方法的流程示意图；
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于图像识别的联锁设备检测系统，是基于图像识别技术来实现对待检测联锁设备的状态检测。
图像识别技术是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，其主要过程有：
信息数据的获取：信息数据的获取是图像识别的基础，将图像的特征和特殊数据存储于计算机，用于之后步骤的开展；
特征抽取与选择：将不同图像的特殊特征提取，选择能够区分图像的特征，并且将所选择的特征存储，让计算机记忆这种特征；
分类器设计与分类决策：分类器设计是指以有效的程序制定出一个识别规则，这种识别规则能够按照某种规律对图像进行识别，而不是盲目混乱的进行识别，借此识别规律能够将相似的特征种类突显，致使图像识别过程的辨识率更高，之后通过对特殊特征的识别，完成图像的评价和确认。
图1为本发明提供的基于图像识别的联锁设备检测系统的结构示意图，如图1所示，系统包括：
数据获取模块10，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备，以及获取待检测联锁设备的调度反馈图像；
图像识别模块11，根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；
其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像；
数据获取模块10包括：
通信子模块101，与待检测联锁设备连接，用于获取线路配置数据以及通信接口数据；
数据处理子模块102，与通信子模块连接101，用于读取线路配置数据以及通信接口数据，并根据待检测联锁设备提供的组包规则对线路配置数据以及通信接口数据进行组包；
数据解析子模块103，与数据处理子模块102连接，用于对组包后的数据进行解析，获取网络IP地址、端口号以及位置信息；
调度反馈图像获取子模块104，与数据解析子模块103连接，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备，以及获取待检测联锁设备的调度反馈图像。
具体地，联锁设备检测系统可以具体包括，控制中心服务器，由控制中心服务器下发启动或停止指令控制启动或停止联锁设备检测系统对联锁设备的状态检测。例如，当联锁设备检测系统接收到来自控制中心服务器下发的启动指令时，通过联锁设备检测系统中的数据获取模块10确定待检测的联锁设备，并并获得待检测联锁设备的调度反馈图像。
根据上述获取的待检测联锁设备的调度反馈图像，结合联锁设备检测系统中的图像识别模块11，通过将调度反馈图像与图像标准库中待检测联锁设备的各个状态相对应的图像进行分析，可以确定待检测联锁设备的状态，并判断待检测联锁设备是否处于正常状态。
例如，若判断待检测联锁设备处于正常状态后，间隔预设时间例如10S到30S，通过数据获取模块10获取下一个待检测联锁设备的调度反馈图像，再次结合图像识别模块11，再次将待检测联锁设备的调度反馈图像与图像标准库中待检测联锁设备的各个状态相对应的图像进行对比分析，再次判断待检测设备是否处于正常状态。重复上述操作，直至完成对联锁集中区所有待检测联锁设备的状态检测。
需要说明的是，本发明中提及的图像标准库为提前拍摄好的联锁集中区对应待检测联锁设备各个状态的图像；此外，图像标准库的图像可以是由检修工作人员提前拍摄好的图像，也可以是由具有拍摄功能例如相机、手机等智能设备提前拍摄好的图像，对此，本发明不做具体限定。
需要说明的是，待检测联锁设备的各个状态可以具体包括：办理进路，信号机是否开放，发送道岔定位命令后，道岔是否处于定位状态，道岔反位、道岔挤岔、道岔四开，按压紧急停车按钮，紧急与恢复停车按钮是否处于按压或恢复等状态。
本发明具体地，数据获取模块10还用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备。
例如，当联锁设备检测系统接收到控制中心服务器下发的启动指令时，由数据获取模块10根据待检测联锁设备的IP地址以及端口号，唯一确定联锁集中区中的待检测联锁设备，并结合获得的待检测联锁设备的位置信息，确定待检测联锁设备的设备名称以及设备的位置，并获得对应位置的待检测联锁设备的调度反馈图像，进行后续的检测工作。
本发明中，获得待检测联锁设备的调度反馈图像可以通过向调度设备发送拍摄指令，以控制调度设备能及时移动到待检测联锁设备所在的位置进行拍摄，获取调度反馈图像，并将调度反馈图像发送给数据获取模块，以获取待检测联锁设备的调度反馈图像。
需要说明的是，本发明中提及的调度设备可以具体为数码相机、高速相机、超高速相机等具有拍摄功能的、可以完成对待检测联锁设备的静态以及动态图像拍摄的设备。
需要说明的是，本发明中提及的待检测联锁设备的网络IP地址以及端口号可以是事先人为规定的联锁设备集中区的待检测联锁设备与外部通信的网络IP地址和端口号，各个待检测联锁设备的网络IP地址和端口号具有唯一性。
进一步地，图2为本发明提供的数据获取模块的结构示意图，如图2所示，数据获取模块10，可以具体包括：
通信子模块101，与待检测联锁设备连接，用于获取线路配置数据以及通信接口数据；
数据处理子模块102，与通信子模块连接，用于读取线路配置数据以及通信接口数据，并根据待检测联锁设备提供的组包规则对线路配置数据以及通信接口数据进行组包；
数据解析子模块103，与数据处理子模块连接，用于对组包后的数据进行解析，获取网络IP地址、端口号以及位置信息；
调度反馈图像获取子模块104，与数据解析子模块连接，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备，以及获取待检测联锁设备的调度反馈图像。
具体地，通信子模块101可以通过无线连接方式与各个待检测联锁设备进行连接，实时获取各个待检测联锁设备的线路配置数据以及通信接口数据。
需要说明的是，本发明提及的通信子模块101可同时兼容多种通信协议，以满足不同轨道交通联锁设备在通信上的需求。此外，通信子模块101提供了与轨道交通联锁设备通信的接口，当轨道交通设备中数据通信协议不一致时，可根据当前需要选择相应的通信协议，增加了通信子模块101的适用性和灵活性。
需要说明的是，本发明提及的联锁设备集中区的各个待检测联锁设备与通信子模块101可以具体通过连接到同一局域网或者以太网的无线连接方式进行连接，也可以是通过其他无线连接方式进行连接，对此，本发明不作具体限定。
需要说明的是，本发明提及的线路配置数据是与各个待检测联锁设备的各个状态对应的待检测联锁设备的线路配置数据，具体可以包括：包含link位置，信号机位置等各个待检测联锁设备的位置信息、用例数据等。
需要说明的是，本发明提及的通信接口数据可以具体包括：各个待检测联锁设备与外部通信所用的网络IP地址和端口号。
数据处理子模块102，可以通过上述的无线连接方式与通信子模块101连接，读取通信子模块101发送的线路配置数据以及通信接口数据，并根据各个待检测联锁设备对应的组包规则对线路配置数据以及通信接口数据进行组包处理。需要说明的是，本发明提及的组包规则可以根据各个待检测联锁设备所采用的通信协议如TCP、UDP等确定采用TCP组包规则或UDP组包规则。
数据解析子模块103，可以通过上述的无线连接方式与数据处理子模块102连接，根据上述确定的各个待检测联锁设备所采用的组包规则，确定各个待检测联锁设备与组包规则对应的解析规则，数据解析子模块103根据解析规则对组包后的通信接口数据进行解析，以获取各个待检测联锁设备的网络IP地址和端口号；以及根据解析规则对组包后的线路配置数据进行解析，以获取各个待检测联锁设备的位置信息。
调度反馈图像获取子模块104，可以通过上述的无线连接方式与与数据解析子模块103连接，按照上述数据获取模块10根据待检测联锁设备的网络IP地址、端口号以及位置信息，确定待检测联锁设备，基于上述数据获取模块10获取待检测联锁设备的调度反馈图像。
本发明提供的基于图像识别的联锁设备检测系统，通过数据获取模块获取待检测设备的图像，并结合图像识别模块将待检测设备的图像与图像标准库进行对比，实现了对联锁设备的状态检测和分析，并通过利用通信子模块与待检测联锁设备进行数据交互，实现了对待检测联锁设备状态的自动化检测，降低了人为观察导致的错误，同时提高了检测效率。
进一步地，在一个实施例中，图像识别模块11，包括：图像预处理子模块，用于对调度反馈图像进行灰度化处理、二值化处理、增强处理以及平滑处理。
具体地，通过上述数据获取模块10获取到待检测联锁设备的调度反馈图像后，将待检测联锁设备的调度反馈图像与图像标准库的图像通过图像识别模块11进行分析之前，首先，将调度设备拍摄的待检测联锁设备的彩色图像进行灰度化以及二值化处理，将彩色图像转化为灰度图像；然后对灰度图像进行预处理，以使调度反馈图像的特征和重要信息凸显。预处理可以具体包括：图像增强处理以及图像平滑处理。
现实应用场景中在控制调度设备进行联锁设备集中区的待检测联锁设备拍摄图像时，会受各个待检测联锁设备位置关系、调度设备拍摄精度等各种因素的影响导致图像拍摄的视觉效果不佳，这就需要图像增强技术来改善视觉效果，比如突出图像中待检测联锁设备的某些状态特点、从数字图像中提取待检测联锁设备的特征参数等等，这些都有利于对调度反馈图像中待检测联锁设备状态信息的识别、跟踪和理解，最终突出图像中感兴趣的部分，减弱或去除不需要的信息。其中，可以通过图像旋转对调度反馈图像进行图像增强处理。
调度反馈图像在获取、传输的过程中都可能会受到噪声的污染，常见的噪声主要有高斯噪声和椒盐噪声。其中，高斯噪声主要是由调度设备传感器元器件内部产生的，椒盐噪声主要是由图像切割所产生的黑白相间的亮暗点噪声，需要对调度反馈图像进行图像平滑处理，减少图像上的噪声或者失真，得到高质量的图像。
本发明提供的基于图像识别的联锁设备检测系统，通过图像预处理子模块将待检测联锁设备的调度反馈图像进行灰度化处理、平滑处理等方式，以确保获得高质量和特征鲜明的调度反馈图像，提高了将调度反馈图像与图像标准库与待检测联锁设备的各个状态相对应的图像进行匹配的准确度，进而提高了待检测联锁设备的状态信息的检测精度。
进一步地，在一个实施例中，图像识别模块11，还包括：图像分析子模块，用于根据Aforge.NET架构类库构建相似度对比算法；
其中，相似度对比算法，用于根据图像标准库以及调度反馈图像进行对比分析，以确定待检测联锁设备是否处于正常状态。
具体地，AForge.NET是一个专为计算机视觉和人工智能领域的开发人员和研究人员基于C#框架设计的。
通过图像识别模块11中的图像分析子模块，并基于Aforge.NET架构类库编写相似度对比算法，将待检测联锁设备的调度反馈图像与图像标准库中与待检测联锁设备各个状态相对应的图像进行对比分析，判断待检测联锁设备是否处于正常状态。
例如，图像标准库中包括有与待检测联锁设备如按压紧急停车按钮相对应的启动以及停止状态的图像，通过调度设备获取的按压紧急停车按钮的图像，显示此时按压紧急停车按钮所处的状态为停止状态，若判断按压紧急停车按钮应该处于停止状态，则确定按压紧急停车按钮处于正常状态；若判断按压紧急停车按钮应该处于启动状态，则确定按压紧急停车按钮处于异常状态。
本发明提供的基于图像识别的联锁设备检测系统，通过将获取待检测设备的状态的调度反馈图像与图像标准库中与待检测联锁设备各个状态相对应的图像进行对比，确定了待检测联锁设备是否处于正常状态，实现了对联锁设备的状态的自动化检测，节约了检修工作人员去现场检测的时间，提高了检测效率。
进一步地，在一个实施例中，基于图像识别的联锁设备检测系统，还包括：逻辑处理模块，与图像识别模块11连接，用于在待检测联锁设备处于异常状态时，生成状态切换指令，并根据状态切换指令驱动待检测联锁设备，以确保执行状态切换指令后的待检测联锁设备处于正常状态。
具体地，逻辑处理模块与图像识别模块11连接，利用图像识别模块11中的图像分析子模块，对待检测联锁设备的调度反馈图像与图像标准库中的图像进行对比，并最终确定待检测联锁设备是否处于正常状态；若确定待检测联锁设备处于正常状态，则逻辑处理模块继续进行下一个待检测联锁设备的状态检测；若确定待检测联锁设备处于异常状态，则由逻辑处理模块生成状态切换指令，并将状态切换指令发送至控制器或控制中心，并由控制器或者控制中心根据状态切换指令，以驱动待检测联锁设备将原本处于异常状态的待检测联锁设备切换至正常状态。
例如，若确定按压紧急停车按钮处于停止状态属于异常状态，则由逻辑处理模块生成状态切换指令例如停止转启动切换指令，并将停止转启动切换指令发送到控制器或者控制中心，并由控制器或者控制中心，完成对按压紧急停车按钮从停止状态到启动状态的切换。
需要说明的是，本发明提及的逻辑处理模块可以具体为各个待检测联锁设备的检测用例，在确定待检测联锁设备处于异常状态时，通过检测用例生成状态切换指令。
本发明提供的基于图像识别的联锁设备检测系统，通过将获取待检测设备的状态的调度反馈图像与图像标准库中与待检测联锁设备各个状态相对应的图像进行对比，确定了待检测联锁设备是否处于正常状态，实现了对联锁设备的状态的自动化检测，并通过逻辑处理模块生成状态切换指令，以驱动处于异常状态的待检测联锁设备按照状态切换指令转为正常状态，节约了检修工作人员去现场检修的时间，提高了检测效率。
进一步地，在一个实施例中，基于图像识别的联锁设备检测系统，还包括：
显示模块，与逻辑处理模块连接，用于实时显示待检测联锁设备执行状态切换指令后的图像。
具体地，显示模块，与逻辑处理模块连接，用于显示联锁设备检测系统检测的过程以及执行结果；显示模块的显示内容可以具体包括：用于为图像识别模块11提供图像数据的调度设备获取的待检测联锁设备的图像、图像标准库的图像以及经逻辑处理模块执行状态切换指令后再次通过调度设备获取的待检测联锁设备的图像。
本发明提供的基于图像识别的联锁设备检测系统，通过设置显示模块，实现了对联锁设备检测系统检测过程以及执行结果的可视化展示，可以使得检测工作人员实时直观的观测到待检测联锁设备的状态图像，有助于实现对联锁设备检测系统的精细化管理。
图3为本发明提供的基于图像识别的联锁设备检测方法的流程示意图，如图3所示，方法包括：
S1、根据待检测联锁设备的网络IP地址、端口号以及位置信息，确定待检测联锁设备；
S2、获取待检测联锁设备的调度反馈图像；
S3、根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；
其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。
具体地，步骤S1中确定待检测联锁设备的过程与上述数据获取模块10确定待检测的联锁设备的过程一致，步骤S2中获得待检测联锁设备的调度反馈图像的过程与上述数据获取模块10调度反馈图像获取的过程一致。根据获取待检测联锁设备的调度反馈图像，通过将调度反馈图像与图像标准库中待检测联锁设备的各个状态相对应的图像进行分析，确定待检测联锁设备的状态，并确定待检测联锁设备是否处于正常状态。
若判断待检测联锁设备处于正常状态后，间隔预设时间例如10S到30S，获取下一个待检测联锁设备的调度反馈图像，再次将待检测联锁设备的调度反馈图像与图像标准库中待检测联锁设备的各个状态相对应的图像进行对比分析，再次判断待检测设备是否处于正常状态。重复上述操作，直至完成对联锁集中区所有待检测联锁设备的状态检测。
需要说明的是，本发明中所用的图像标准库与上述联锁设备检测系统所采用的图像标准库保持一致。此外，本发明提及的待检测联锁设备的各个状态与上述联锁设备检测系统所提及的待检测联锁设备的各个状态保持一致。
例如，根据待检测联锁设备的IP地址以及端口号，唯一确定联锁集中区中的待检测联锁设备，并结合获得的待检测设备的位置信息，确定待检测联锁设备的设备名称以及设备的位置，并获得对应位置的待检测联锁设备的调度反馈图像，进行后续的检测工作。
需要说明的是，本发明中所采用的待检测联锁设备的网络IP地址以及端口号与上述联锁设备检测系统所采用的待检测联锁设备的网络IP以及端口号保持一致。
本发明提供的基于图像识别的联锁设备检测系统，通过获取待检测设备的图像，将待检测设备的图像与图像标准库进行对比，实现了对联锁设备的状态检测和分析，通过待检测设备的网络IP地址、端口号以及位置信息完成了与待检测联锁设备进行数据交互，实现了对待检测联锁设备状态的自动化检测，降低了人为观察导致的错误，同时提高了检测效率。
进一步地，在一个实施例中，步骤S3可以具体包括：
S31、根据Aforge.NET架构类库构建相似度对比算法；
S32、基于相似度对比算法对图像标准库以及调度反馈图像进行对比分析，以确定待检测联锁设备是否处于正常状态。
具体地，获取到待检测联锁设备的调度反馈图像后，将待检测联锁设备的调度反馈图像与图像标准库的图像进行分析之前，首先，将调度设备拍摄的待检测联锁设备的彩色图像进行灰度化以及二值化处理，将彩色图像转化为灰度图像；然后对灰度图像进行预处理，以使调度反馈图像的特征和重要信息凸显。预处理可以具体包括：图像增强处理以及图像平滑处理。
并基于Aforge.NET架构类库编写相似度对比算法，将待检测联锁设备的调度反馈图像与图像标准库中与待检测联锁设备各个状态相对应的图像进行对比分析，判断待检测联锁设备是否处于正常状态。
例如，图像标准库中包括有与待检测联锁设备如按压紧急停车按钮相对应的启动以及停止状态的图像，通过调度设备获取的按压紧急停车按钮的图像，显示此时按压紧急停车按钮所处的状态为停止状态，若判断按压紧急停车按钮应该处于停止状态，则确定按压紧急停车按钮处于正常状态；若判断按压紧急停车按钮应该处于启动状态，则确定按压紧急停车按钮处于异常状态。
本发明提供的基于图像识别的联锁设备检测系统，通过将待检测联锁设备的调度反馈图像进行灰度化处理、平滑处理等方式，以确保获得高质量和特征鲜明的调度反馈图像，提高了将调度反馈图像与图像标准库与待检测联锁设备的各个状态相对应的图像进行匹配的准确度，进而提高了待检测联锁设备的状态信息的检测精度，实现了对联锁设备的状态的自动化检测，节约了检修工作人员去现场检测的时间，提高了检测效率。
图4为本发明提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communication interface)420、存储器(memory)430和总线(bus)440，其中，处理器410，通信接口420，存储器430通过总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：
根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备；
获取待检测联锁设备的调度反馈图像；
根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；
其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备；
获取待检测联锁设备的调度反馈图像；
根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；
其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
根据待检测联锁设备的网络IP地址、端口号以及位置信息确定待检测联锁设备；
获取待检测联锁设备的调度反馈图像；
根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；
其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于图像识别的联锁设备检测系统，其特征在于，包括：
数据获取模块，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定所述待检测联锁设备，以及获取所述待检测联锁设备的调度反馈图像；
图像识别模块，根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态；
其中，所述图像标准库包括有与所述待检测联锁设备的各个状态相对应的图像；
所述数据获取模块包括：
端口号通信子模块，与所述待检测联锁设备连接，用于获取所述线路配置数据以及所述通信接口数据；
数据处理子模块，与所述通信子模块连接，用于读取所述线路配置数据以及所述通信接口数据，并根据所述待检测联锁设备提供的组包规则对所述线路配置数据以及所述通信接口数据进行组包；
数据解析子模块，与所述数据处理子模块连接，用于对组包后的数据进行解析，获取所述网络IP地址、端口号以及位置信息；
调度反馈图像获取子模块，与所述数据解析子模块连接，用于根据待检测联锁设备的网络IP地址、端口号以及位置信息确定所述待检测联锁设备，以及获取所述待检测联锁设备的调度反馈图像。
2.根据权利要求1所述的基于图像识别的联锁设备检测系统，其特征在于，所述图像识别模块，包括：图像预处理子模块，用于
对所述调度反馈图像进行灰度化处理、二值化处理、增强处理以及平滑处理。
3.根据权利要1所述的基于图像识别的联锁设备检测系统，其特征在于，所述图像识别模块，还包括：图像分析子模块，用于根据Aforge.NET架构类库构建相似度对比算法；
其中，所述相似度对比算法，用于根据所述图像标准库以及所述调度反馈图像进行对比分析，以确定所述待检测联锁设备是否处于正常状态。
4.根据权利要求1-3任一所述的基于图像识别的联锁设备检测系统，其特征在于，还包括：
逻辑处理模块，与所述图像识别模块连接，用于在所述待检测联锁设备处于异常状态时，生成状态切换指令，并根据所述状态切换指令驱动所述待检测联锁设备，以确保执行所述状态切换指令后的所述待检测联锁设备处于正常状态。
5.根据权利要求4所述的基于图像识别的联锁设备检测系统，其特征在于，还包括：
显示模块，与所述逻辑处理模块连接，用于实时显示所述待检测联锁设备执行所述状态切换指令后的图像。
6.一种基于图像识别的联锁设备检测方法，其特征在于，包括：
根据待检测联锁设备的网络IP地址、端口号以及位置信息，确定所述待检测联锁设备；
获取所述待检测联锁设备的调度反馈图像；
根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态；
其中，所述图像标准库包括有与所述待检测联锁设备的各个状态相对应的图像。
7.根据权利要求6所述的基于图像识别的联锁设备检测方法，其特征在于，所述根据所述调度反馈图像以及图像标准库，对所述待检测联锁设备的状态进行检测，以确定所述待检测联锁设备是否处于正常状态，包括：
根据Aforge.NET架构类库构建相似度对比算法；
基于所述相似度对比算法对所述图像标准库以及所述调度反馈图像进行对比分析，以确定所述待检测联锁设备是否处于正常状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011432092.2A CN112446434A (zh) | 2020-12-07 | 2020-12-07 | 基于图像识别的联锁设备检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011432092.2A CN112446434A (zh) | 2020-12-07 | 2020-12-07 | 基于图像识别的联锁设备检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112446434A true CN112446434A (zh) | 2021-03-05 |
Family
ID=74739391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011432092.2A Pending CN112446434A (zh) | 2020-12-07 | 2020-12-07 | 基于图像识别的联锁设备检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112446434A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040037701A (ko) * | 2002-10-29 | 2004-05-07 | 한국철도기술연구원 | 철도의 전자 연동장치 자동 검사 시스템 |
| CN106706335A (zh) * | 2016-12-14 | 2017-05-24 | 深圳市元征科技股份有限公司 | 车辆检测方法及装置 |
| CN107703925A (zh) * | 2017-11-08 | 2018-02-16 | 交控科技股份有限公司 | 用于联锁自动化测试的测试系统及测试方法 |
| CN107992020A (zh) * | 2017-11-08 | 2018-05-04 | 交控科技股份有限公司 | 一种基于大数据的联锁自动测试系统及方法 |
| CN108537088A (zh) * | 2017-03-01 | 2018-09-14 | 中国电信股份有限公司 | 监控方法和系统 |
| CN109727330A (zh) * | 2018-12-21 | 2019-05-07 | 深圳市兴海物联科技有限公司 | 一种巡检方法、装置、计算机设备及存储介质 |
| KR102053918B1 (ko) * | 2018-10-29 | 2019-12-09 | 주식회사 포드론 | 무인기 그리고 이를 이용한 철도시설 점검 시스템 및 방법 |
| CN110775756A (zh) * | 2018-07-26 | 2020-02-11 | 奥的斯电梯公司 | 电梯构件检查系统 |
| CN110990297A (zh) * | 2019-12-23 | 2020-04-10 | 卡斯柯信号(北京)有限公司 | 联锁系统的测试方法、装置及电子设备 |
-
2020
- 2020-12-07 CN CN202011432092.2A patent/CN112446434A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040037701A (ko) * | 2002-10-29 | 2004-05-07 | 한국철도기술연구원 | 철도의 전자 연동장치 자동 검사 시스템 |
| CN106706335A (zh) * | 2016-12-14 | 2017-05-24 | 深圳市元征科技股份有限公司 | 车辆检测方法及装置 |
| CN108537088A (zh) * | 2017-03-01 | 2018-09-14 | 中国电信股份有限公司 | 监控方法和系统 |
| CN107703925A (zh) * | 2017-11-08 | 2018-02-16 | 交控科技股份有限公司 | 用于联锁自动化测试的测试系统及测试方法 |
| CN107992020A (zh) * | 2017-11-08 | 2018-05-04 | 交控科技股份有限公司 | 一种基于大数据的联锁自动测试系统及方法 |
| CN110775756A (zh) * | 2018-07-26 | 2020-02-11 | 奥的斯电梯公司 | 电梯构件检查系统 |
| KR102053918B1 (ko) * | 2018-10-29 | 2019-12-09 | 주식회사 포드론 | 무인기 그리고 이를 이용한 철도시설 점검 시스템 및 방법 |
| CN109727330A (zh) * | 2018-12-21 | 2019-05-07 | 深圳市兴海物联科技有限公司 | 一种巡检方法、装置、计算机设备及存储介质 |
| CN110990297A (zh) * | 2019-12-23 | 2020-04-10 | 卡斯柯信号(北京)有限公司 | 联锁系统的测试方法、装置及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 付宇: "浅析铁路设备故障诊断的相关技术", 中国水运, vol. 15, no. 2, 28 February 2015 (2015-02-28), pages 105 - 106 * |
| 嘎玛旺扎;窦道飞;: "计算机联锁远程监测系统方案研究", 铁道通信信号, no. 11, 17 November 2019 (2019-11-17) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
| CN110738135B (zh) | 一种工人作业工步规范视觉识别判定与指导方法及系统 | |
| CN111507147A (zh) | 智能巡检方法、装置、计算机设备和存储介质 | |
| WO2020057159A1 (zh) | 一种高校餐厅食品加工违规行为视频分析系统及方法 | |
| CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
| CN113962274B (zh) | 一种异常识别方法、装置、电子设备及存储介质 | |
| CN111178424A (zh) | 一种石油化工生产现场安全合规性实时检测系统及方法 | |
| CN115620192A (zh) | 一种高空作业安全绳穿戴检测的方法和装置 | |
| CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
| CN112985515B (zh) | 一种产品紧固件装配合格性检测方法、系统及存储介质 | |
| CN110992323A (zh) | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 | |
| CN110674900A (zh) | 基于rfid的无人机巡检杆塔缺陷的方法及装置 | |
| CN116758493B (zh) | 基于图像处理的隧道施工监测方法、装置及可读存储介质 | |
| CN112446434A (zh) | 基于图像识别的联锁设备检测方法及系统 | |
| CN109257594B (zh) | 电视出厂检测方法、装置及计算机可读存储介质 | |
| JP7139987B2 (ja) | 工程情報取得システム、工程情報取得方法、および工程情報取得プログラム | |
| CN111659633A (zh) | 工装产品分类系统、方法 | |
| CN113989285B (zh) | 基于图像的皮带偏移监测方法、装置、设备及存储介质 | |
| CN110780982A (zh) | 一种图像处理方法、装置及设备 | |
| CN116012939A (zh) | 违规行为的确定方法和装置、存储介质及电子装置 | |
| CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
| CN115578731A (zh) | 安全管控信息的生成方法、装置、电子设备及存储介质 | |
| CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
| CN111178145A (zh) | 违规操作识别的方法、装置、终端设备及计算机存储介质 | |
| CN109344799A (zh) | 物品识别方法、装置及设备、存储介质、电子装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |