用于在铁路环境中检测储罐的系统及方法与流程

本公开总体上涉及检测储罐，更具体地，涉及一种用于在铁路环境中检测储罐的系统及方法。

背景技术：

1、某些铁路公司禁止在其财产上储存无水氨等危险材料。铁路检查员可以通过常规财产检查来识别包含危险材料的储罐。然而，由于时间和人力等资源有限，铁路财产上储存危险材料的储罐可能未被发现。

技术实现思路

1、根据一实施例，一种方法包括通过图像检测工具识别铁路环境的图像中的储罐；以及通过图像检测工具识别铁路环境的所图像中的铁路轨道的步骤。方法还包括通过图像检测工具确定储罐与铁路轨道之间的距离；以及通过图像检测工具将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。方法还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，通过图像检测工具确定储罐对铁路环境造成危险的步骤。

2、在特定实施例中，方法包括确定储罐与铁路轨道之间的距离小于或等于预定阈值距离的步骤。例如，预定阈值距离可以为50英尺。在一些实施例中，方法包括通过图像检测工具基于储罐与铁路轨道之间的距离将危险分类为高风险、中等风险或低风险的步骤。例如，高风险可以与0至20英尺之间的距离相关；中等风险可以与21至30英尺之间的距离相关；低风险可以与31至50英尺之间的距离相关。

3、在特定实施例中，方法可以包括由图像检测工具生成警报的步骤。警报可以包括以下中的至少一个：危险的指示；与危险相关的风险等级的指示；储罐的描述；储罐的位置；储罐与铁路轨道之间的距离；铁路环境的图像；拍摄铁路环境的图像的时间；以及拍摄铁路环境的图像的日期。在一些实施例中，方法包括训练图像检测工具以使用机器学习模型来识别储罐。

4、在特定实施例中，图像由安装到在铁路环境中沿着铁路轨道行驶的火车车厢的相机拍摄。火车车厢可以是以下之一：机车；或几何车厢。在一些实施例中，图像包括铁路轨道和一个或多个其他铁路轨道，铁路轨道比一个或多个其他铁路轨道更靠近储罐，并且储罐与铁路轨道之间的距离是在平面图中从铁路轨道的外轨的中心线到储罐的外边缘的最短测量距离。

5、根据另一实施例，装置包括一个或多个处理器和存储指令的存储器，当指令由一个或多个处理器执行时，使一个或多个处理器执行在铁路环境的图像中识别储罐的操作。操作还包括识别铁路环境的图像中的铁路轨道以及确定储罐与铁路轨道之间的距离的步骤。操作还包括将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。操作还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，确定储罐对铁路环境造成危险的步骤。

6、根据又另一实施例，一种或多种计算机可读存储介质包含指令，当指令由处理器执行时，使处理器执行在铁路环境的图像中识别储罐的操作。操作还包括识别铁路环境的图像中的铁路轨道以及确定储罐与铁路轨道之间的距离的步骤。操作还包括将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。操作还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，确定储罐对铁路环境造成危险的步骤。

7、本公开的某些实施例的技术优势可以包括以下一个或多个。本文描述的某些系统和方法包括自动检测位于铁路轨道附近的储罐的图像识别工具，其通过减少人工检查所需的人力和时间来提高效率。自动检测位于铁路轨道附近的储罐通过识别铁路轨道附近的潜在危险材料来提高安全性。在某些实施例中，储罐的自动检测减少了由于危险材料造成的环境风险。

8、从以下附图、描述和权利要求中，其他技术优势对于本领域技术人员来说将显而易见。此外，虽然上面列举了具体的优势，但各种实施例可以包括所有优势、一些优势或不包括所列举的优势。

技术特征：

1.一种方法，包括以下步骤：

2.根据权利要求1所述的方法，还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。

3.根据权利要求1所述的方法，还包括通过所述图像检测工具基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：

4.根据权利要求1所述的方法，其中：

5.根据权利要求1所述的方法，还包括训练所述图像检测工具以使用机器学习模型来识别所述储罐。

6.根据权利要求1所述的方法，其中：

7.根据权利要求1所述的方法，还包括由所述图像检测工具生成警报的步骤，其中所述警报包括以下中的至少一个：

8.一种装置，包括一个或多个处理器和存储指令的存储器，当所述指令由所述一个或多个处理器执行时，使所述一个或多个处理器执行包括以下步骤的操作：

9.根据权利要求8所述的装置，所述操作还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。

10.根据权利要求8所述的装置，所述操作还包括基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：

11.根据权利要求8所述的装置，其中：

12.根据权利要求8所述的装置，所述操作还包括训练图像检测工具以使用机器学习模型来识别所述储罐的步骤。

13.根据权利要求8所述的装置，其中：

14.根据权利要求8的装置，所述操作还包括由所述图像检测工具生成警报的步骤，其中所述警报包括以下中的至少一个：

15.一种或多种计算机可读存储介质，其包含指令，当所述指令由处理器执行时，使所述处理器执行包括以下步骤的操作：

16.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。

17.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：

18.根据权利要求15所述的一种或多种计算机可读存储介质，其中：

19.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括训练图像检测工具以使用机器学习模型来识别所述储罐的步骤。

20.根据权利要求15所述的一种或多种计算机可读存储介质，其中：

21.一种装置，包括：

22.根据权利要求21所述的装置，还包括用于实现根据权利要求2至7中任一项所述的方法的装置。

23.一种包括指令的计算机程序、计算机程序产品或计算机可读介质，所述指令在由计算机执行时使所述计算机执行权利要求1至7中任一项所述的方法的步骤。

技术总结
在一实施例中，一种方法包括通过图像检测工具150、180识别铁路环境120的图像中的储罐170a、170b以及通过图像检测工具识别铁路环境的图像中的铁路轨道130a、130b的步骤。所述方法还包括通过图像检测工具确定储罐与铁路轨道之间的距离，以及通过图像检测工具将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。所述方法还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，通过图像检测工具确定储罐对铁路环境造成危害的步骤。

技术研发人员：安德烈·莱蒂西亚·阿里亚斯·洛伦蒂,桑德拉·N.·格林,如查·D.·珍妮,大卫·马修·金,道格·麦克雷诺兹,赛义德·穆罕默德·努尔巴赫什,斯蒂芬妮·奥尔蒂斯·沃特金斯,纳撒尼尔·里奇蒙,司晓燕,宋杰昌,张安鹏
受保护的技术使用者：北伯林顿铁路公司
技术研发日：
技术公布日：2024/1/12