一种基于计算机视觉的轨道变形监测系统

本发明涉及计算机视觉，特别涉及一种基于计算机视觉的轨道变形监测系统。

背景技术：

1、高铁轨道采用无砟轨道，采用混凝土、沥青混合料等材料建造，其稳定性好使用寿命长的有点，但是其高铁线路距离一般较长，通常在几百公里以上，对于轨道的监测，常规的监测技术无法满足大范围的监测。高铁无砟轨道出现轨道变形时，会对高铁运行产生较大影响，但是对于轨道变形的监测，现有技术无法满足监测的效率及有效性。

技术实现思路

1、为解决上述现有技术中所存在的问题，本发明提供一种基于计算机视觉的轨道变形监测系统，能够有效采集大范围轨道监测数据，同时对轨道进行监测过程中，提升轨道变形监测的识别效率及有效性。

2、为了实现上述技术目的，本发明提供了如下技术方案：一种基于计算机视觉的轨道变形监测系统，包括：

3、传感网络、区域节点、本地监测模块、云平台；

4、所述传感网络与本地监测模块通过区域节点进行连接，所述本地设备与所述云平台连接；

5、所述传感网络用于获取轨道监测数据；

6、所述本地监测模块用于通过提取识别模型对所述轨道监测数据进行特征提取及识别，生成所述轨道变形数据，其中提取识别模型包括提取模型及识别模型；

7、所述云平台用于存储所述轨道监测数据及轨道变形数据，并对提取识别模型进行更新。

8、可选的，所述传感网络包括移动节点及固定节点，若干移动节点及固定节点与区域节点连接，其中所述移动节点采用搭载于无人机的相机，所述固定节点采用固定安装的相机。

9、可选的，所述区域节点采用网关设备，其中若干网关设备与所述本地监测模块连接。

10、所述本地监测模块包括提取模块；所述提取模块用于通过提取模型对所述轨道监测数据进行特征提取，得到特征数据，其中提取模型采用聚类算法。

11、可选的，所述本地监测模块还包括识别模块，所述识别模块用于通过识别模型对特征数据进行识别，生成所述轨道变形数据，其中识别模型采用深度学习模型。

12、可选的，所述云平台包括存储模块，其中所述存储模块用于通过数据存储结构对所述轨道监测数据及轨道变形数据进行存储。

13、可选的，所述云平台包括提取更新模块，其中所述提取更新模块用于获取历史监测数据，并构建聚类算法，并基于聚类算法设置所述初始聚类数，并根据历史监测数据对初始聚类数进行更新，更新完成后，将所述更新后的聚类数传输给本地监测模块对聚类算法进行更新。

14、可选的，所述云平台还包括识别更新模块，其中所述识别更新模块用于获取历史特征数据构建深度学习模型，其中所述历史特征数据通过聚类算法对历史监测数据进行处理获取；根据历史特征数据对所述深度学习模型进行训练，并根据训练结果提取所述网络参数，基于网络参数通过迁移学习方法更新所述本地监测模块中的深度学习模型。

15、本发明具有如下技术效果：

16、通过上述技术方案，构建大范围的轨道变形传感网络，该传感网络通过分布式的传感节点能够有效的采集大范围轨道监测数据，并通过计算机视觉的方法对数据进行采集及特征提取识别，能够对轨道变形进行有效识别，同时减少本地处理运算量，通过云端模型优化更新本地的方法，提升本地识别的识别效率及精度。

技术特征：

1.一种基于计算机视觉的轨道变形监测系统，其特征在于，包括：

2.根据权利要求1所述的基于计算机视觉的轨道变形监测系统，其特征在于：

3.根据权利要求1所述的基于计算机视觉的轨道变形监测系统，其特征在于：

4.根据权利要求1所述的基于计算机视觉的轨道变形监测系统，其特征在于：

5.根据权利要求4所述的基于计算机视觉的轨道变形监测系统，其特征在于：

6.根据权利要求1所述的基于计算机视觉的轨道变形监测系统，其特征在于：

7.根据权利要求4所述的基于计算机视觉的轨道变形监测系统，其特征在于：

8.根据权利要求5所述的基于计算机视觉的轨道变形监测系统，其特征在于：

技术总结
本发明公开一种基于计算机视觉的轨道变形监测系统，包括，传感网络、区域节点、本地监测模块、云平台；传感网络与本地监测模块通过区域节点进行连接，本地监测模块与云平台连接；传感网络用于获取轨道监测数据；本地监测模块用于通过提取识别模型对轨道监测数据进行特征提取及识别，生成轨道变形数据；云平台用于存储轨道监测数据及轨道变形数据，并对识别模型进行更新。通过上述技术方案，本发明能够有效采集大范围轨道监测数据，同时对轨道进行监测过程中，提升轨道变形监测的识别效率及有效性。

技术研发人员：刘梅,白云燕,李硕,全宇,王怀,王培军,王学琨,刘芳州
受保护的技术使用者：山东大学
技术研发日：
技术公布日：2024/1/11