基于自編碼器的接觸網(wǎng)定位器底座開口銷缺失識別算法研究

于博軒

（中車工業(yè)研究院有限公司，北京 100070）

1 引言

作為一種大運量、經(jīng)濟型交通工具，鐵路在我國的經(jīng)濟生活中占有重要的地位，為我國經(jīng)濟社會發(fā)展做出了巨大貢獻。2019年我國鐵路營業(yè)里程超過13.9萬 km，其中電氣化里程10.0萬km，電氣化率為71.9%。電氣化鐵路的快速發(fā)展對接觸網(wǎng)檢測提出了更高要求。

電器化鐵路接觸網(wǎng)由接觸懸掛、定位裝置、支持裝置、支柱等部分組成，是電氣化鐵路的重要組成部分。其中，接觸網(wǎng)定位裝置由定位管、定位器、定位線夾及其連接零件組成，用于將接觸網(wǎng)懸掛定位在設計的空間范圍內(nèi)，使其滿足受電弓取流的幾何要求。接觸網(wǎng)的露天架設，導致接觸網(wǎng)定位裝置在外部環(huán)境以及自身壽命的影響下出現(xiàn)部件松動、斷裂、小部件缺失等問題，而一旦定位器底座開口銷缺失，將帶來重大安全隱患，因此，如何及時發(fā)現(xiàn)定位器底座開口銷缺失是急需解決的技術難題。

2 接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng)

接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng)是一種包含了圖像處理技術、動態(tài)拍攝技術、激光攝像技術、數(shù)據(jù)庫技術的成像檢測系統(tǒng)。該系統(tǒng)搭載于接觸網(wǎng)作業(yè)車或專用車輛上，隨車輛行駛過程自動識別接觸網(wǎng)支持裝置并通過圖像抓拍技術獲得接觸網(wǎng)懸掛狀態(tài)圖像，所拍攝的圖像能夠有效呈現(xiàn)接觸網(wǎng)支持裝置、附加懸掛、接觸懸掛及吊柱座區(qū)域零部件的技術狀態(tài)。數(shù)據(jù)處理分析模塊采用圖像穩(wěn)定技術對高清相機采集的圖片進行處理，得到高分辨率圖像。該高分辨率的圖像一方面可以分辨出懸掛裝置出現(xiàn)的松動、脫落、斷裂等故障，另一方面可以提供公里標、桿號、站區(qū)等綜合信息用于定位。

本文采用的接觸網(wǎng)懸掛狀態(tài)檢測系統(tǒng)硬件結構由剛性接觸網(wǎng)成像模塊（包括定位點剛性懸掛成像模塊、剛性懸掛高位吊柱座成像模塊、連續(xù)視頻錄像模塊）、柔性接觸網(wǎng)成像模塊（包括定位裝置及支持裝置成像模塊、附加懸掛成像模塊、桿號成像模塊、接觸懸掛成像模塊）、嵌入式觸發(fā)控制模塊、時空同步定位模塊、支吊柱/定位點識別模塊、補償光源模塊、車地傳輸模塊、顯示與操作模塊、數(shù)據(jù)處理分析模塊等組成，如圖 1所示。

圖1 接觸網(wǎng)檢測系統(tǒng)構成

3 定位器底座區(qū)域定位算法

在每張接觸網(wǎng)檢測圖像中，接觸網(wǎng)定位器底座區(qū)域圖像只占到接觸網(wǎng)檢測圖像中2 900萬像素圖像的很小一塊面積，為準確定位并獲得定位器底座區(qū)域圖像數(shù)據(jù)，提高定位器底座開口銷缺失檢測效率，本文采用歸一化互相關模板匹配（NCC）算法，該算法既支持線陣連續(xù)圖像數(shù)據(jù)，也支持面陣圖像數(shù)據(jù)。

NCC算法是一種基于統(tǒng)計學且取值范圍在[-1，1]之間的算法，常被用來比較2幅圖像的相似程度，也就是圖像的相關性。對圖像來說，每個像素點都可以看作是1個樣本數(shù)據(jù)子集，這樣整幅圖像就構成了1個樣本數(shù)據(jù)合集。如果該合集中的1個子集與另外1個樣本數(shù)據(jù)中的某個子集出現(xiàn)匹配的情況，則它的NCC值為1，表示相似度極高，反之，如果NCC的值為-1，則表示完全不相關?；谠摾碚?，NCC算法可以表示如下：

式（1）中，W為在待匹配像素位置構建的鄰域窗口；I1（x，y）為模板圖像像素值；I2（x，y）為搜索子圖像素值。

NCC算法優(yōu)點是抗白噪聲干擾能力強，且在灰度變化及幾何畸變不大的情況下精度很高，計算結果有固定的范圍[-1，1]，方便設置檢測閾值。

4 定位器底座開口銷區(qū)域特征提取

采用NCC算法定位出定位器底座區(qū)域后，本文通過遞進式的銷釘區(qū)域識別和開口銷識別實現(xiàn)開口銷缺失的智能判別，首先從定位器底座圖像中識別出銷釘目標，再根據(jù)銷釘區(qū)域圖像識別開口銷是否缺失。為使不同場景下的開口銷缺失識別效果最優(yōu)化，需要事先通過自編碼器（AE）進行定位器開口銷區(qū)域數(shù)據(jù)采集，采集不同場景、不同光照、不同尺寸條件下的定位器底座圖像、開口銷圖像和銷釘圖像。其中，不同場景指白天和野外，不同光照指圖像曝光偏暗、圖像過曝等，不同尺寸涵蓋接觸網(wǎng)檢測常見的1 600萬像素、2 000萬像素、2 900萬像素圖像。本文最終目的是智能識別開口銷是否缺失，對于開口銷銷釘狀態(tài)圖像采集需要盡量滿足多樣性，如果采集的銷釘狀態(tài)圖像多樣性過少，識別正確率會降低。因此，銷釘狀態(tài)圖像需要涵蓋銷釘掰開的不同程度、銷釘?shù)牟煌?、銷釘?shù)牟煌屡f程度等。

自編碼器是一類在半監(jiān)督學習和非監(jiān)督學習中使用的人工神經(jīng)網(wǎng)絡，其功能是通過將輸入信息作為學習目標，對輸入信息進行表征學習。令輸入層向量為x，通過自編碼器后的輸出層向量為x'，但輸出層向量x'和自身輸入層向量x之間仍然存在一定的差異。自編碼器也是一種有損壓縮，可通過損失函數(shù)最小來實現(xiàn)x'近似于x的值?；镜淖跃幋a器是一種包含數(shù)據(jù)輸入層、隱藏層、輸出層3層的神經(jīng)網(wǎng)絡模型。自編碼器包含編碼過程和解碼過程，從輸入層到隱藏層為編碼過程，從隱藏層到輸出層為解碼過程。自編碼器就是將原始數(shù)據(jù)進行編碼，降低維度，發(fā)現(xiàn)數(shù)據(jù)之間規(guī)律的過程。3層自編碼神經(jīng)網(wǎng)絡的模型如圖2所示。

圖2 3層自編碼神經(jīng)網(wǎng)絡模型

自編碼器特征提取算法包括2個過程，輸入層—隱藏層h的編碼過程，如式（2）所示：

式（2）中，δe為編碼函數(shù)，W1，b1為編碼的權重和偏置。

隱藏層—輸出層的解碼過程，如式（3）所示：

式（3）中，δd為解碼函數(shù)，W2、b2為解碼的權重和偏置。

編碼、解碼之間的壓縮損失JE（ W，b）是：

式（4）中， W、b為整個自編碼器網(wǎng)絡的權重和偏置，r表示訓練集中的樣本序號，m表示訓練集的樣本總數(shù)。

由于開口銷狀態(tài)各異，且采集圖像背景復雜多變，實踐中發(fā)現(xiàn)采用灰度梯度直方圖特征（HOG）、局部二值模式特征（LBP）等傳統(tǒng)方法提取圖像特征的識別效果不夠理想。因此，采用自編碼器自動提取圖像特征，使用BP神經(jīng)網(wǎng)絡算法進行訓練，使其輸入值等于輸出值，對輸入的定位裝置底座區(qū)域圖像進行降維處理。實際網(wǎng)絡中，網(wǎng)絡輸入層L1為圖像數(shù)據(jù)，考慮到開口銷銷釘?shù)某叽缣攸c，輸入層L1采用70×70的神經(jīng)元數(shù)量，隱藏層L2神經(jīng)元數(shù)量設置為 1 000，輸出層神經(jīng)元數(shù)量和輸入層L1一樣也為70×70。

具體做法是，首先收集5～10萬各種場景下不同形態(tài)的開口銷樣本圖像，并縮放圖像尺寸為70×70；然后采用開口銷樣本圖像訓練自編碼器網(wǎng)絡；最后輸入待識別的定位裝置底座區(qū)域圖像至訓練好的自編碼器，提取隱藏層的1 000維數(shù)據(jù)作為開口銷特征，送入支持向量機（SVM）進行開口銷缺失識別。

5 定位器底座開口銷缺失識別

定位器底座開口銷缺失識別可通過支持向量機SVM實現(xiàn)。對于已經(jīng)得到了的帶標簽的訓練數(shù)據(jù)（即其 中為自編碼器提取的1 000維特征，yi為開口銷是否缺失類別標簽，i= 1～M），現(xiàn)在需要1個超平面將這些特征數(shù)據(jù)分為正常開口銷和開口銷缺失2類，假設該超平面函數(shù)為為M維向量的轉置，b為實數(shù)），當 0 時，x位于超平面上，的點對應yi= +1的數(shù)據(jù)點，的點對應yi= -1的數(shù)據(jù)點，為此設：

根據(jù)支持向量機（SVM）的推導過程，可得到如下模型公式：

式（6）對于線性可分的任務通常有較好的效果，但是用于開口銷缺失分類的特征數(shù)據(jù)較為復雜，該線性模型已經(jīng)不能適應。因此，根據(jù)支持向量機（SVM）理論，將輸入數(shù)據(jù)映射到高維空間，使其在該空間中盡量線性可分，故上述模型的約束條件可寫為：

式（7）中，φ是輸入數(shù)據(jù)映射到高維空間的映射函數(shù)。

該模型直接求解非常困難，目前基本都是通過優(yōu)化其對偶問題來求解，其對偶問題可通過拉格朗日乘子和對偶定理進行推導，這里不做詳細闡述。在其對偶模型中，涉及到的向量內(nèi)積計算為另一輸入數(shù)據(jù)映射至高緯空間的向量，j= 1～M），而映射后的特征空間維數(shù)通常很高，甚至是無窮維，因此直接計算是非常困難的。為解決這個問題，可通過引入核函數(shù)，將高維空間內(nèi)積轉化為求原始空間中核函數(shù)值的方式求解，即：

式（8）中， 是引入的核函數(shù)。本文采用的是高斯核函數(shù)，其具有如下形式：

式（9）中， 為高斯核函數(shù)的寬度參數(shù)。上述推導的理論目標不允許任何數(shù)據(jù)分錯，要求所有點都在分類間隔外，這通常都會導致嚴重的過擬合問題。為防止過擬合，增強模型泛化能力，可以引入松弛變量，進而模型可寫為：

引入松弛變量后，其物理意義在于訓練時可通過參數(shù)C來控制分類間隔，允許部分點分錯，這樣就可以在訓練時很大程度地抑制過擬合，提升模型的泛化能力，以適應新的分類數(shù)據(jù)。對于新輸入的定位器底座圖像，即可先輸入訓練好的自編碼器網(wǎng)絡提取降維圖像特征，再將降維圖像特征送入支持向量機（SVM）進行分類，識別是否存在開口銷缺失異常。實際應用時，可先采用上述方法識別定位器底座開口銷圖像中的銷釘區(qū)域，再在銷釘區(qū)域判定開口銷是否缺失。

6 試驗分析

為檢驗本文提出的定位器底座開口銷缺失識別方法的有效性，在現(xiàn)場設置3處平腕臂底座橫向開口銷缺失和8處斜腕臂底座縱向開口銷缺失，采用本文提出的開口銷缺失識別方法進行開口銷缺失在線識別，識別效果如圖2、圖3所示，識別結果如表1所示。

圖2 平腕臂底座橫向開口銷缺失

圖3 斜腕臂底座縱向開口銷缺失

由表1可知，現(xiàn)場設置的10處平腕臂底座橫向開口銷缺失均實現(xiàn)了正確識別，11處斜腕臂底座縱向開口銷缺失中有1處未識別，其原因在于部件邊緣污垢較多造成區(qū)域特征難以與背景圖像區(qū)分。

表1 開口銷缺失識別結果統(tǒng)計

7 結語

為高效準確地對接觸網(wǎng)定位器底座開口銷缺失進行識別，針對開口銷形態(tài)小、分布廣的特點，采用歸一化互相關模板匹配（NCC）算法進行定位器底座區(qū)域定位，同時采用無監(jiān)督學習的自編碼器（AE）提取圖像的降維特征，再通過支持向量機（SVM）對開口銷進行識別分類，有效解決了開口銷缺失識別問題?，F(xiàn)場試驗結果表明，本文提出的算法能夠對復雜線路環(huán)境圖像中的定位器底座開口銷缺失進行準確識別和有效檢出，檢出率高，具有較高的技術推廣價值。