CN113235504A - 隧道挂冰识别方法、装置、设备及隧道除冰系统 - Google Patents
隧道挂冰识别方法、装置、设备及隧道除冰系统 Download PDFInfo
- Publication number
- CN113235504A CN113235504A CN202110605408.1A CN202110605408A CN113235504A CN 113235504 A CN113235504 A CN 113235504A CN 202110605408 A CN202110605408 A CN 202110605408A CN 113235504 A CN113235504 A CN 113235504A
- Authority
- CN
- China
- Prior art keywords
- ice
- deicing
- tunnel
- hanging
- monitoring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 96
- 230000009545 invasion Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 35
- 238000012806 monitoring device Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H5/00—Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice
- E01H5/10—Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice by application of heat for melting snow or ice, whether cleared or not, combined or not with clearing or removing mud or water, e.g. burners for melting in situ, heated clearing instruments; Cleaning snow by blowing or suction only
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H5/00—Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice
- E01H5/10—Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice by application of heat for melting snow or ice, whether cleared or not, combined or not with clearing or removing mud or water, e.g. burners for melting in situ, heated clearing instruments; Cleaning snow by blowing or suction only
- E01H5/106—Clearing snow or ice exclusively by means of rays or streams of gas or steam, or by suction with or without melting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种隧道挂冰识别方法、装置、设备、隧道除冰系统和存储介质。所述方法包括：获取隧道顶壁的监测图像；对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。采用本方法能够使工作人员或相应除冰设备及时自动发现隧道存在大于长度阈值的挂冰，从而避免出现挂冰侵入隧道内部的高压接触网的风险，提高了隧道挂冰识别的效率和便利性。
Description
技术领域
本申请涉及隧道隧洞除冰技术领域，特别是涉及一种隧道挂冰识别方法、装置、设备、隧道除冰系统和存储介质。
背景技术
随着基建技术的高速发展，我国的隧道数量越来越多。由于大部分隧道的建设位置较为偏僻，从而导致隧道因年久失修而极易出现裂缝。当隧道穿越含水层、岩熔裂隙发育地段时，由于地下水丰富，就形成了隧道内滴水，当冬季气温下降至0℃以下时，滴水处会发生结冰现象，形成冰柱，这种现象称为隧道挂冰。随着水珠不断渗出，挂冰越来越长，不仅会对隧道内铁路和公路的行车安全造成威胁，而且会使挂冰底部直接侵入隧道内部的高压接触网的绝缘限界内发生接地短路，对隧道内的供电安全构成极大威胁，轻则使高压接触网线索烧伤断股，重则将导致断线蹋网。因此，隧道内的除冰工作成为隧道管理部门的重中之重。
然而，传统的隧道除冰设备只有在工作人员人工监测到隧道存在挂冰后，才操作隧道除冰设备进行隧道除冰，容易导致因隧道挂冰发现不及时而出现挂冰侵入隧道内部的高压接触网的风险。
发明内容
基于此，有必要针对上述技术问题，提供一种隧道挂冰识别方法、装置、设备、隧道除冰系统和存储介质，可以及时发现隧道挂冰，从而避免出现挂冰侵入隧道内部的高压接触网的风险。
第一方面，本申请提供了一种隧道挂冰识别方法，该方法包括：
获取隧道顶壁的监测图像；
对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；
若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。
在其中一个实施例中，该方法还包括：对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的位置；在判定挂冰存在挂冰侵入风险时，根据挂冰的位置向除冰装置输出除冰指令；除冰指令用于指示除冰装置根据挂冰的位置进行除冰作业。
在其中一个实施例中，在根据挂冰的位置向除冰装置输出除冰指令的步骤之后还包括：若挂冰的长度小于长度阈值，则向除冰装置输出停止指令；停止指令用于指示除冰装置停止除冰作业。
第二方面，本申请提供了一种隧道挂冰识别装置，该装置包括图像获取模块、图像识别模块以及风险判定模块。
其中，图像获取模块用于获取隧道顶壁的监测图像；图像识别模块用于对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；风险判定模块用于若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。
第三方面，本申请提供了一种隧道挂冰识别设备，该设备包括存储器、处理器和监控装置；处理器电连接监控装置；监控装置采集隧道顶壁的监测图像；存储器存储有计算机程序，处理器执行计算机程序时实现上述方法实施例中任一项的方法的步骤。
第四方面，本申请提供了一种隧道除冰系统，该系统包括隧道挂冰识别设备和除冰装置；其中，隧道挂冰识别设备包括存储器、处理器和监控装置；处理器电连接监控装置；监控装置用于采集隧道顶壁的监测图像；存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：若挂冰的长度小于长度阈值，则向除冰装置输出停止指令；除冰装置，电连接处理器，用于接收除冰指令，并根据挂冰的位置进行除冰作业。
在其中一个实施例中，处理器还用于执行计算机程序时实现以下步骤：若所述挂冰的长度小于所述长度阈值，则向所述除冰装置输出停止指令；停止指令用于指示除冰装置停止除冰作业；除冰装置还用于接收停止指令，并根据停止指令的指示停止除冰作业。
在其中一个实施例中，该系统还包括通信装置；通信装置用于通信连接监控主机；处理器，电连接通信装置，并用于执行所述计算机程序时实现以下步骤：通过通信装置将监测图像、挂冰的长度以及挂冰的位置发送至监控主机；通过通信装置接收监控主机输出的第一控制指令和第二控制指令；第一控制指令用于指示处理器输出除冰指令；第二控制指令用于指示处理器输出停止指令。
在其中一个实施例中，该系统还包括转动机构；转动机构机械连接监控装置和除冰装置；处理器还用于执行所述计算机程序时实现以下步骤：输出挂冰的位置；转动机构，电连接处理器，用于接收挂冰的位置，并根据挂冰的位置调整监控装置和除冰装置的角度。
在其中一个实施例中，该系统还包括运动机构；运动机构设置于转动机构的底部；监控装置和除冰装置设置于转动机构的顶部；运动机构，电连接处理器，用于接收除冰指令和停止指令；运动机构还用于根据除冰指令的指示停止以预设速度沿设置于隧道侧壁的滑轨进行滑动，并根据停止指令的指示以预设速度沿滑轨进行滑动。
在其中一个实施例中，除冰装置为激光器；激光器用于根据除冰指令的指示，将发射激光的光斑中心瞄准挂冰的位置，并自动将发射激光的光斑直径缩小至最佳光斑直径。
在其中一个实施例中，隧道除冰系统还包括监控主机；监控主机用于接收监测图像、挂冰的长度以及挂冰的位置；监控主机还用于通过通信装置向处理器发送第一控制指令和第二控制指令。
在一个实施例中，本申请提供了一种计算机存储介质，该程序被处理器执行时实现上述方法实施例中任意一项隧道挂冰识别方法。
上述隧道挂冰识别方法、装置、设备、隧道除冰系统和存储介质，上述隧道挂冰识别方法，通过获取隧道顶壁的监测图像，并对监测图像进行识别处理，确定监测图像中的挂冰，并得到挂冰的长度；且，在挂冰的长度大于长度阈值时，则判定挂冰存在挂冰侵入风险，以使工作人员或相应除冰设备及时自动发现隧道存在大于长度阈值的挂冰从而避免出现挂冰侵入隧道内部的高压接触网的风险，提高了隧道挂冰识别的效率和便利性。
附图说明
图1为一个实施例中隧道挂冰识别方法的第一流程示意图；
图2为一个实施例中隧道挂冰识别方法的应用环境图；
图3为一个实施例中隧道挂冰识别方法的第二流程示意图；
图4为一个实施例中隧道挂冰识别方法的第三流程示意图；
图5为一个实施例中隧道挂冰识别装置的第一结构框图；
图6为一个实施例中隧道挂冰识别装置的第二结构框图；
图7为一个实施例中隧道挂冰识别设备的内部结构框图；
图8为一个实施例中隧道除冰系统的第一内部结构框图；
图9为一个实施例中隧道除冰系统的第二内部结构框图；
图10为一个实施例中隧道除冰系统的机械结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一电阻称为第二电阻，且类似地，可将第二电阻称为第一电阻。第一电阻和第二电阻两者都是电阻，但其不是同一电阻。
可以理解，以下实施例中的“连接”，如果被连接的电路、模块、单元等相互之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
在一个实施例中，如图1所示，提供了一种隧道挂冰识别方法，本实施例以该方法应用于隧道挂冰识别设备为例进行说明。该隧道挂冰识别方法包括步骤102、步骤104以及步骤106。
步骤102，获取隧道顶壁的监测图像；
其中，该隧道可以用于行驶汽车、地铁、火车或者高铁。在一个具体示例中，电气化铁路单洞双线隧道如图2所示，在线路中心线离轨道面大约7米的高处设置高压接触网悬挂，以供地铁、火车或者高铁取电。高压接触网悬挂通过绝缘子固定在隧道的顶壁，若隧道的顶壁发生渗漏，在隧道内温度低于0℃时，渗水则会逐渐凝结成挂冰。随着挂冰不断向下眼神，与高压接触网之间的绝缘距离不断缩短，则容易出现因挂冰侵入造成高压接触网接地短路故障，对隧道供电安全构成极大威胁，轻则使高压接触网限缩烧伤断股，重则将导致断线蹋网，中断铁路运输；以上仅为具体示例，实际应用中可以根据需求而灵活设置，在此不进行限制。
步骤104，对所述监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；
其中，通过利用智能差分图像识别算法识别上述监测图像，并在监测图像中存在挂冰的情况下，确定隧道顶壁的监测图像中的挂冰，并得到挂冰的长度。其中，挂冰的长度是指挂冰底部距离隧道顶壁的距离。
此外，智能差分图像识别算法采用机器学习中的深度卷积神经网络等人工智能技术通过对获取的监测图像进行处理得到对应的点云数据矩阵，并对该监测图像进行增强、二值化、目标提取等预处理，确定出监测图像中挂冰；然后，通过对像素点的统计和点云数据的处理得到挂冰的长度。因此，智能差分图像识别算法的长度测量误差低，且在运行过程中不易受监测图像中的光线和背景的干扰，具有较好的鲁棒性。其中，神经网络技术具有很强的容错性以及自学习、自组织及自适应能力。
步骤106，若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。
其中，长度阈值是指挂冰的安全长度阈值，实际中根据隧道内部的高压接触网与隧道顶壁的距离确定。挂冰侵入风险是指隧道顶壁的挂冰侵入隧道内部的高压接触网的绝缘范围以使高压接触网存在接地短路的风险。通过对监测图像进行图像识别处理得到挂冰的长度，并对挂冰的长度和长度阈值进行比较，当挂冰的长度大于长度阈值时，则判定该隧道顶壁的挂冰存在挂冰侵入的风险，极易导致高压接触网接地短路。
上述隧道挂冰识别方法，通过获取隧道顶壁的监测图像，并对监测图像进行识别处理，确定监测图像中的挂冰，并得到挂冰的长度；且，在挂冰的长度大于长度阈值时，则判定挂冰存在挂冰侵入风险，以使工作人员或相应除冰设备及时自动发现隧道存在大于长度阈值的挂冰从而避免出现挂冰侵入隧道内部的高压接触网的风险，提高了隧道挂冰识别的效率和便利性。
在其中一个实施例中，如图3所示，上述挂冰识别方法还包括：
步骤105，对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的位置；
其中，通过利用智能差分图像识别算法识别上述监测图像，并在监测图像中存在挂冰的情况下，确定隧道顶壁的监测图像中的挂冰，并得到挂冰的位置。在其中一个实施例中，挂冰的位置可以但不限于是挂冰与隧道顶壁相接触的位置，通过除冰装置810对上述挂冰的位置进行激光照射或机械敲打，即可使得挂冰失去附着力，在重力作用下整根挂冰自然坠落，从而提高了除冰工作的效率。
此外，智能差分图像识别算法采用机器学习中的深度卷积神经网络等人工智能技术通过对获取的监测图像进行处理得到对应的点云数据矩阵，并对该监测图像进行增强、二值化、目标提取等预处理，确定和定位出监测图像中挂冰。因此，智能差分图像识别算法的长度测量误差低，且在运行过程中不易受监测图像中的光线和背景的干扰，具有较好的鲁棒性。其中，神经网络技术具有很强的容错性以及自学习、自组织及自适应能力。
步骤108，在判定挂冰存在挂冰侵入风险时，根据挂冰的位置向除冰装置输出除冰指令。
其中，除冰装置810可以但不限于是机械除冰设备、热辐射除冰设备或者激光设备，实际应用中可以根据需求而灵活设置，在此不进行限制。除冰指令用于指示除冰装置810根据挂冰的位置进行除冰作业。在判定挂冰存在挂冰侵入风险时，则根据图像识别得到的挂冰的位置向除冰装置810输出除冰指令，相应的除冰装置810接收到除冰指令后，将根据除冰指令的指示对挂冰对应的挂冰位置自动进行除冰作业。
在本实施例中，通过图像识别处理得到挂冰的位置，并在判定挂冰存在挂冰存在挂冰侵入风险时向除冰装置810输出除冰指令，以指示除冰装置810根据挂冰的位置自动进行除冰作业，从而能够及时自动发现挂冰的长度大于长度阈值以及自动进行相应的除冰作业，避免了挂冰侵入隧道内部的高压接触网的风险，提高了隧道除冰的效率和便利性。
在其中一个实施例中，如图4所示，在根据挂冰的位置向除冰装置810输出除冰指令的步骤之后还包括：
步骤110，若挂冰的长度小于长度阈值，则向除冰装置输出停止指令。
其中，停止指令用于指示除冰装置810停止除冰作业；在根据挂冰的位置向除冰装置810输出除冰指令后，除冰装置810将根据除冰指令的指示对挂冰的位置进行除冰作业，在挂冰的长度小于长度阈值时，则说明该挂冰不存在挂冰侵入风险，即可向除冰装置810输出停止指令，以指示除冰装置810停止除冰作业。因此，通过输出停止指令可以及时停止除冰作业，提升了除冰作业过程中的节能性。
应该理解的是，虽然图1、3和4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、3和4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种隧道挂冰识别装置，该装置包括图像获取模块501、图像识别模块502、风险判定模块503。
其中，图像获取模块501用于获取隧道顶壁的监测图像；图像识别模块502用于对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；风险判定模块503用于若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。
在其中一个实施例中，如图6所示，该装置还包括指令输出模块504。
其中，图像识别模块502用于对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的位置；指令输出模块504用于在判定挂冰存在挂冰侵入风险时，根据挂冰的位置向除冰装置810输出除冰指令；除冰指令用于指示除冰装置810根据挂冰的位置进行除冰作业。
在其中一个实施例中，指令输出模块504还用于在根据挂冰的位置向除冰装置810输出除冰指令的之后，若挂冰的长度小于长度阈值，则向除冰装置810输出停止指令；停止指令用于指示除冰装置810停止除冰作业。
关于隧道挂冰识别装置的具体限定可以参见上文中对于隧道挂冰识别方法的限定，在此不再赘述。上述隧道挂冰识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种隧道挂冰识别设备700，其内部结构图可以如图7所示。该隧道挂冰识别设备700包括通过系统总线连接的处理器710、存储器和监控装置720。其中，该隧道挂冰识别设备700的处理器710电连接监控装置720，并用于提供计算和控制能力。监控装置720用于采集隧道顶壁的监测图像。该隧道挂冰识别设备700的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该隧道挂冰识别设备700的数据库用于存储隧顶壁的监测图像数据。该计算机程序被处理器710执行时以实现一种隧道挂冰识别方法。
在其中一个实施例中，处理器710可以但不限于是FPGA(Field ProgrammableGate Array)。其中，FPGA可实现无限地重新编程，加载一个新的设计方案只需几百毫秒，利用重配置可以减少硬件的成本。以上仅为具体示例，实际应用中可以根据需求而灵活设置，在此不进行限制。
在其中一个实施例中，监控装置720可以但不限于是摄像仪，该摄像仪还可以具有夜视功能，即可实现在隧道内部光线条件较差的环境下依然可以准确识别隧道顶壁上的挂冰，得出相应的挂冰的长度和挂冰的位置，提高了隧道挂冰识别设备700的适用性和容错性。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的隧道挂冰识别设备700的限定，具体的隧道挂冰识别设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种隧道挂冰识别设备700，包括存储器、处理器710和监控装置720，监控装置720用于采集隧道顶壁的监测图像，存储器中存储有计算机程序，该处理器710执行计算机程序时实现以下步骤：
步骤102，获取隧道顶壁的监测图像；
步骤104，对所述监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的长度；
步骤106，若挂冰的长度大于长度阈值，则判定挂冰存在挂冰侵入风险。
在本实施例中提供的隧道挂冰识别设备，其实现原理和技术效果与上述方法实施例中类似，在此不再赘述。
在其中一个实施例中，处理器710执行计算机程序时还实现以下步骤：
步骤105，对监测图像进行图像识别处理，确定监测图像中的挂冰，并得到挂冰的位置；
步骤108，在判定挂冰存在挂冰侵入风险时，根据挂冰的位置向除冰装置810输出除冰指令。
在本实施例中提供的隧道挂冰识别设备，其实现原理和技术效果与上述方法实施例中类似，在此不再赘述。
在其中一个实施例中，处理器710执行计算机程序时还实现以下步骤：
步骤110，若挂冰的长度小于长度阈值，则向除冰装置810输出停止指令。
在本实施例中提供的隧道挂冰识别设备，其实现原理和技术效果与上述方法实施例中类似，在此不再赘述。
在一个实施例中，如图8所示，提供了一种隧道除冰系统，该系统包括隧道挂冰识别设备700和除冰装置810。
其中，隧道挂冰识别设备700包括存储器710、处理器710和监控装置720；处理器710电连接监控装置720；监控装置720用于采集隧道顶壁的监测图像；存储器710存储有计算机程序，处理器710执行所述计算机程序时实现上述第二方法实施例中的步骤。
除冰装置810电连接处理器710，可以接收处理器710输出的除冰指令，并根据挂冰的位置进行除冰作业。在其中一个实施例中，除冰装置810可以但不限于是机械除冰设备、热辐射除冰设备或者激光设备，实际应用中可以根据需求而灵活设置，在此不进行限制。
在一个具体示例中，隧道除冰系统还包括若干个除冰装置810和隧道挂冰识别设备700，并根据隧道的总长度在预设区域设置对应的除冰装置810和隧道挂冰识别设备700，从而在隧道顶壁出现挂冰现象较严重时依然能够及时自动发现挂冰的长度大于长度阈值以及自动进行相应的除冰作业，避免了挂冰侵入隧道内部的高压接触网的风险，提高了隧道除冰的效率和便利性。以上仅为具体示例，实际用中可以根据需求而灵活设置，在此不进行限制。
在本实施例中，通过在隧道除冰系统中设置隧道挂冰识别设备700和除冰装置810，利用隧道挂冰识别设备700准确的对监测图像中的挂冰进行识别并及时输出除冰指令；结合除冰装置810接收除冰指令，并对挂冰的位置进行除冰作业，从而能够及时自动发现挂冰的长度大于长度阈值以及自动进行相应的除冰作业，避免了挂冰侵入隧道内部的高压接触网的风险，提高了隧道除冰的效率和便利性。
在其中一个实施例中，处理器710还可以执行计算机程序时实现以下步骤：若所述挂冰的长度小于所述长度阈值，则向除冰装置730输出停止指令；停止指令可以指示除冰装置停止除冰作业。除冰装置730还可以接收停止指令，并根据停止指令的指示停止除冰作业。因此，通过处理器710执行计算机程序时实现相应的步骤，则可以输出停止指令，以使除冰装置810及时停止除冰作业，提升了隧道除冰系统的节能性。
在其中一个实施例中，除冰装置810为激光器，激光器可以根据除冰指令的指示，将发射激光的光斑中心瞄准挂冰的位置，对挂冰的位置进行激光照射从而制热导致挂冰融化或掉落，以完成除冰作业。由于发射激光为不可见光，但通过监控装置720可以探测到发射激光，所以使用激光器作为除冰装置810避免了对隧道内行车的干扰，提高了隧道除冰系统的便利性和实用性。
在其中一个实施例中，激光器的发射激光的光斑直径可以自动调整，可以从初始光斑直径自动缩小至最佳光斑直径。由于光斑直径越大则光斑面积则会越大，照射挂冰的区域也就变大，融化的挂冰也就多。但光斑直径变大后，由于激光器发射激光的功率是固定的，则会导致发射激光的能量密度下降，加热效果则会变差。因此，通过将光斑直径自动缩小至最佳光斑直径，可以加快激光器作为除冰装置810的除冰速度，提升了隧道除冰系统的工作效率。
在一个具体示例中，激光器的初始光斑直径可以调整为60mm，最佳光斑直径可以调整为15～20mm。此外，由于激光功率设置过大会使得除冰装置810的体积和重量增大，同时散热效果也会降低，基于实际应用中各方面因素考虑，激光器的发射激光功率可以设置在25w～35w之间，既可以提高除冰装置810的工作效率，还可以提升除冰装置810的节能型，以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，如图9所示，隧道除冰系统还包括通信装置820。
其中，通信装置820用于通信连接监控主机850。处理器710电连接通信装置，可以执行计算机程序时实现以下步骤：通过通信装置820将监控装置720采集的监测图像和图像识别处理后得到的挂冰的长度和挂冰的位置发送至监控主机850；通过通信装置820接收监控主机850输出的第一控制指令和第二控制指令。第一控制指令用于指示处理器710输出除冰指令，以使除冰装置810根据挂冰的位置进行除冰作业。第二控制指令用于指示处理器710输出停止指令，以使除冰装置810停止除冰作业。因此，隧道除冰系统还可以通过通信装置820，将监测图像和挂冰的长度以及挂冰的位置及时反馈到监控主机850上，使工作人员能够通过监控主机850及时了解隧道内部的挂冰情况以及除冰作业情况；同时，工作人员还可以通过监控主机850干预自动图像识别和自动除冰进程进行人工除冰操作或者在自动图像识别和自动除冰出现故障时可以通过监控主机850及时进行人工除冰操作，以避免出现挂冰侵入隧道内部的高压接触网的风险，提高了隧道除冰系统的效率和便利性。
在一个具体示例中，通信装置820可以是无线通信装置，还可以是有线通信装置；通信装置可以采用隧道内部既有的公共网络进行通信，还可以采用隧道内部既有的铁路专用通信网络进行通信，以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，如图9所示，隧道除冰系统还包括转动机构830。
其中，处理器710还可以执行所述计算机程序时实现以下步骤：输出挂冰的位置。转动机构830与监控装置720以及除冰装置810进行机械连接。转动机构830电连接处理器710，可以接收处理器710输出的挂冰的位置，并且根据该挂冰的位置自动调整固定连接在转动机构830上的监控装置720和除冰装置810的角度，从而使监控装置720能够采集到质量更好的监测图像以及除冰装置810能够准备的针对挂冰的位置进行除冰作业。因此，提高了隧道除冰系统的工作效率和便利性。
在一个具体示例中，转动机构830可以但不限于是云台，云台可以根据挂冰的位置在水平方向和竖直方向自由旋转，从而实现固定连接在转动机构830上的监控装置720和除冰装置810能够及时根据挂冰的位置调整角度。以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，如图9所示，隧道除冰系统还包括运动机构840。
其中，如图10所示，运动机构840设置于转动机构830的底部，监控装置720和除冰装置810设置于转动机构830的顶部。运动机构840电连接处理器710，可以接收处理器710输出的除冰指令和停止指令。运动机构840在接收到处理器710输出的除冰指令时，根据除冰指令的指示停止以预设速度沿设置于隧道侧壁的滑轨进行滑动；运动机构840在接收到处理器710输出的停止指令时，根据停止指令的指示以预设速度沿滑轨进行滑动。因此，通过在隧道除冰系统设置运动机构840，可以使与转动机构840固定连接的监控装置720和除冰装置810扩大活动范围，方便隧道除冰系统可以在整个隧道内部进行除冰作业，提高了隧道除冰系统的便利性和工作效率。
在一个具体示例中，运动机构840包括伺服电机和若干个滑轮；伺服电机驱动对应的滑轮，实现运动机构840以预设速度沿设置于隧道侧壁的滑轨进行滑动，以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，隧道除冰系统还包括滑轨；该滑轨设置于隧道侧壁。在一个具体示例中，滑轨可以但不限于是滑触式供电滑轨，滑触式供电滑轨内设置有供电电源，运动机构840的滑轮以预设速度沿上述滑轨滑动的同时还通过滑轮从上述滑轨中取电，以向挂冰识别设备700、除冰装置810、通信装置820、转动机构830以及运动机构840供电，提高了隧道除冰系统的便利性。以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，隧道除冰系统还包括供电装置；供电装置电连接隧道挂冰识别设备700、除冰装置810、通信装置820、转动机构830以及运动机构840，用于向挂冰识别设备700、除冰装置810、通信装置820、转动机构830以及运动机构840供电，提高了隧道除冰系统的便利性。在一个具体示例中，供电装置包括供电电源和电源适配器，以上仅为具体示例，实际应用中可以根据需求灵活设置，在此不进行限制。
在其中一个实施例中，如图9所示，隧道除冰系统还包括监控主机850。
监控主机850通过通信装置820与处理器710建立通信连接，可以接收处理器710输出的监测图像、挂冰的长度以及挂冰的位置。监控主机850还可以通过通信装置820向处理器710发送第一控制指令，以指示处理器710输出除冰指令。监控主机850还可以通过通信装置820向处理器710发送第二控制指令，以指示处理器710输出停止指令。因此，隧道除冰系统还可以通过监控主机850及时接收到处理器710反馈的监测图像和挂冰的长度以及挂冰的位置及，使工作人员能够通过监控主机及时了解隧道内部的挂冰情况以及除冰作业情况；同时，工作人员还可以通过监控主机850干预自动图像识别和自动除冰进程进行人工除冰操作或者在自动图像识别和自动除冰出现故障时可以通过监控主机及时进行人工除冰操作，以避免出现挂冰侵入隧道内部的高压接触网的风险，提高了隧道除冰系统的效率和便利性。
在一个实施例中，提供了一种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710执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种隧道挂冰识别方法，其特征在于，所述方法包括：
获取隧道顶壁的监测图像；
对所述监测图像进行图像识别处理，确定所述监测图像中的挂冰，并得到所述挂冰的长度；
若所述挂冰的长度大于长度阈值，则判定所述挂冰存在挂冰侵入风险。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述监测图像进行图像识别处理，确定所述监测图像中的挂冰，并得到所述挂冰的位置；
在判定所述挂冰存在挂冰侵入风险时，根据所述挂冰的位置向除冰装置输出除冰指令；所述除冰指令用于指示所述除冰装置根据所述挂冰的位置进行除冰作业。
3.根据权利要求2所述的方法，其特征在于，所述根据所述挂冰的位置向除冰装置输出除冰指令的步骤之后还包括：
若所述挂冰的长度小于所述长度阈值，则向所述除冰装置输出停止指令；所述停止指令用于指示所述除冰装置停止除冰作业。
4.一种隧道挂冰识别装置，其特征在于，包括：
图像获取模块，用于获取隧道顶壁的监测图像；
图像识别模块，用于对所述监测图像进行图像识别处理，确定所述监测图像中的挂冰，并得到所述挂冰的长度；
风险判定模块，用于若所述挂冰的长度大于长度阈值，则判定所述挂冰存在挂冰侵入风险。
5.一种隧道挂冰识别设备，其特征在于，包括存储器、处理器和监控装置；所述处理器电连接所述监控装置；所述监控装置采集隧道顶壁的监测图像；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
6.一种隧道除冰系统，其特征在于，包括隧道挂冰识别设备和除冰装置；其中，所述隧道挂冰识别设备包括存储器、处理器和监控装置；所述处理器电连接所述监控装置；所述监控装置用于采集隧道顶壁的监测图像；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求2中所述的方法的步骤；
所述除冰装置，电连接所述处理器，用于接收所述除冰指令，并根据所述挂冰的位置进行除冰作业。
7.根据权利要求6所述的隧道除冰系统，其特征在于，所述处理器还用于执行所述计算机程序时实现以下步骤：若所述挂冰的长度小于所述长度阈值，则向所述除冰装置输出停止指令；所述停止指令用于指示所述除冰装置停止除冰作业；
所述除冰装置还用于接收所述停止指令，并根据所述停止指令的指示停止除冰作业。
8.根据权利要求7所述的隧道除冰系统，其特征在于，所述隧道除冰系统还包括通信装置；
所述通信装置用于通信连接监控主机；
所述处理器，电连接所述通信装置，并用于执行所述计算机程序时实现以下步骤：通过所述通信装置将所述监测图像、所述挂冰的长度以及所述挂冰的位置发送至所述监控主机；通过所述通信装置接收所述监控主机输出的第一控制指令和第二控制指令；其中，所述第一控制指令用于指示所述处理器输出所述除冰指令；所述第二控制指令用于指示所述处理器输出所述停止指令。
9.根据权利要求8所述的隧道除冰系统，其特征在于，所述隧道除冰系统还包括转动机构；所述转动机构机械连接所述监控装置和所述除冰装置；
所述处理器还用于执行所述计算机程序时实现以下步骤：输出所述挂冰的位置；
所述转动机构，电连接所述处理器，用于接收所述挂冰的位置，并根据所述挂冰的位置调整所述监控装置和所述除冰装置的角度。
10.根据权利要求9所述的隧道除冰系统，其特征在于，所述隧道除冰系统还包括运动机构；所述运动机构设置于所述转动机构的底部；所述监控装置和所述除冰装置设置于所述转动机构的顶部；
所述运动机构，电连接所述处理器，用于接收所述除冰指令和所述停止指令；所述运动机构还用于根据所述除冰指令的指示停止以预设速度沿设置于隧道侧壁的滑轨进行滑动，并根据所述停止指令的指示以所述预设速度沿所述滑轨进行滑动。
11.根据权利要求6-10任一项所述的隧道除冰系统，其特征在于，所述除冰装置为激光器；所述激光器用于根据所述除冰指令的指示，将发射激光的光斑中心瞄准所述挂冰的位置，并自动将所述发射激光的光斑直径缩小至最佳光斑直径。
12.根据权利要求7-10任一项所述的隧道除冰系统，其特征在于，所述隧道除冰系统还包括监控主机；
所述监控主机用于接收所述监测图像、所述挂冰的长度以及所述挂冰的位置；所述监控主机还用于通过所述通信装置向所述处理器发送第一控制指令和第二控制指令。
13.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3任意一项所述的隧道挂冰识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110605408.1A CN113235504A (zh) | 2021-05-31 | 2021-05-31 | 隧道挂冰识别方法、装置、设备及隧道除冰系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110605408.1A CN113235504A (zh) | 2021-05-31 | 2021-05-31 | 隧道挂冰识别方法、装置、设备及隧道除冰系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113235504A true CN113235504A (zh) | 2021-08-10 |
Family
ID=77135969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110605408.1A Pending CN113235504A (zh) | 2021-05-31 | 2021-05-31 | 隧道挂冰识别方法、装置、设备及隧道除冰系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113235504A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4706911A (en) * | 1986-01-27 | 1987-11-17 | Briscoe James A | Method and apparatus for deicing a leading edge |
| EP2128343A2 (en) * | 2008-05-30 | 2009-12-02 | Sistemas de Control CV, S.L. | Modular assembly of compact devices for de-icing installations. |
| CN108167141A (zh) * | 2017-11-16 | 2018-06-15 | 内蒙古久和能源装备有限公司 | 用于风力发电机组的防冰除冰系统及其方法 |
| CN108512180A (zh) * | 2018-06-16 | 2018-09-07 | 南京理工大学 | 基于多传感器的激光除冰装置 |
| CN110349128A (zh) * | 2019-06-21 | 2019-10-18 | 西安工程大学 | 一种玻璃绝缘子伞间冰柱桥接程度检测方法 |
| CN111794920A (zh) * | 2020-07-14 | 2020-10-20 | 上海电机学院 | 一种风机叶片智能除冰机器人 |
| CN111827194A (zh) * | 2020-07-01 | 2020-10-27 | 鑫宏图科贸有限公司 | 一种激光和超声波双重方式的隧道除冰设备及其使用方法 |
| CN112150495A (zh) * | 2020-09-24 | 2020-12-29 | 西安工程大学 | 一种基于扣分法则的绝缘子冰闪风险预测方法 |
| CN112215810A (zh) * | 2020-09-27 | 2021-01-12 | 武汉大学 | 一种疲劳测试裂纹监测方法及装置 |
| CN112780032A (zh) * | 2021-01-22 | 2021-05-11 | 哈尔滨工业大学建筑设计研究院 | 一种坡屋顶自动除冰挂装置 |
-
2021
- 2021-05-31 CN CN202110605408.1A patent/CN113235504A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4706911A (en) * | 1986-01-27 | 1987-11-17 | Briscoe James A | Method and apparatus for deicing a leading edge |
| EP2128343A2 (en) * | 2008-05-30 | 2009-12-02 | Sistemas de Control CV, S.L. | Modular assembly of compact devices for de-icing installations. |
| CN108167141A (zh) * | 2017-11-16 | 2018-06-15 | 内蒙古久和能源装备有限公司 | 用于风力发电机组的防冰除冰系统及其方法 |
| CN108512180A (zh) * | 2018-06-16 | 2018-09-07 | 南京理工大学 | 基于多传感器的激光除冰装置 |
| CN110349128A (zh) * | 2019-06-21 | 2019-10-18 | 西安工程大学 | 一种玻璃绝缘子伞间冰柱桥接程度检测方法 |
| CN111827194A (zh) * | 2020-07-01 | 2020-10-27 | 鑫宏图科贸有限公司 | 一种激光和超声波双重方式的隧道除冰设备及其使用方法 |
| CN111794920A (zh) * | 2020-07-14 | 2020-10-20 | 上海电机学院 | 一种风机叶片智能除冰机器人 |
| CN112150495A (zh) * | 2020-09-24 | 2020-12-29 | 西安工程大学 | 一种基于扣分法则的绝缘子冰闪风险预测方法 |
| CN112215810A (zh) * | 2020-09-27 | 2021-01-12 | 武汉大学 | 一种疲劳测试裂纹监测方法及装置 |
| CN112780032A (zh) * | 2021-01-22 | 2021-05-11 | 哈尔滨工业大学建筑设计研究院 | 一种坡屋顶自动除冰挂装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12048301B2 (en) | Bird or bat detection and identification for wind turbine risk mitigation | |
| CN109882244B (zh) | 一种井下巡检机器人智能建图系统 | |
| CN107820050B (zh) | 导电轨式移动监控机器人及其监控系统和方法 | |
| CN204355271U (zh) | 一种具有防碰罩的多旋翼巡检飞行器 | |
| CN109950829B (zh) | 一种基于无人机平台的输电线路巡检机器人 | |
| CN204355272U (zh) | 一种多旋翼巡检飞行器及输电线路巡检系统 | |
| CN104577881A (zh) | 一种智能巡线车轻便化车体装置及巡线方法 | |
| CN102638013A (zh) | 基于视觉注意机制的标靶图像识别输电线路状态监测系统 | |
| CN111049058B (zh) | 一种用于架空输电线路除冰的无人机及其控制方法 | |
| CN106226620B (zh) | 一种供电设备监察系统 | |
| CN109895116B (zh) | 一种电力管廊轨道机器人巡检方法和装置 | |
| CN108200392A (zh) | 一种悬挂式地下公路隧道可移动监控系统 | |
| CN104977925A (zh) | 一种空中哨所无人机装置及方法 | |
| CN110082638A (zh) | 一种电力配网自动巡检设备和方法 | |
| CN105514872A (zh) | 一种高效率无人机群电力巡检系统 | |
| CN108155595A (zh) | 变电站电缆沟智能巡视系统 | |
| CN109782803A (zh) | 一种无人机输电导线巡线系统及方法 | |
| CN212846883U (zh) | 用于输电线路的监测系统 | |
| CN203932804U (zh) | 架空输电线路巡线机器人系统 | |
| CN105480417A (zh) | 一种智能无人飞行器 | |
| CN113235504A (zh) | 隧道挂冰识别方法、装置、设备及隧道除冰系统 | |
| CN117676094B (zh) | 一种输电线路视频图像在线监测装置 | |
| CN114495493A (zh) | 一种高速公路隧道车辆异常行驶报警及照明控制系统 | |
| CN110345982A (zh) | 一种输电线路环境监控安全预警系统 | |
| CN215646082U (zh) | 输电线路防冰冻装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |
|
| RJ01 | Rejection of invention patent application after publication |