石 磊

(中國(guó)國(guó)家鐵路集團(tuán)有限公司 貨運(yùn)部，北京 100844)

《新時(shí)代交通強(qiáng)國(guó)鐵路先行規(guī)劃綱要》(鐵發(fā)改〔2020〕129號(hào))明確提出，要增強(qiáng)興安強(qiáng)安保障能力，加大大數(shù)據(jù)、人工智能等新技術(shù)應(yīng)用，增強(qiáng)安全數(shù)據(jù)和問(wèn)題隱患、運(yùn)行狀態(tài)和性能規(guī)律等集成管理、智能分析和預(yù)警預(yù)告能力[1]。對(duì)視頻監(jiān)控設(shè)備獲取的鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像進(jìn)行智能識(shí)別，輔助人工對(duì)列車(chē)進(jìn)行貨運(yùn)交接檢查，提高發(fā)現(xiàn)問(wèn)題隱患的能力，是鐵路貨檢作業(yè)方式的發(fā)展方向。鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像(以下簡(jiǎn)稱“標(biāo)準(zhǔn)圖像”)是指利用采集、傳輸、控制等設(shè)備和軟件，對(duì)通過(guò)檢測(cè)點(diǎn)的鐵路貨車(chē)車(chē)體、貨物、貨物裝載加固狀態(tài)，進(jìn)行監(jiān)視所形成的完整、無(wú)變形、無(wú)噪點(diǎn)、無(wú)模糊高清圖片信息。自2020年實(shí)施優(yōu)化貨檢作業(yè)流程以來(lái)，運(yùn)用貨運(yùn)安全檢測(cè)和視頻監(jiān)控設(shè)備，實(shí)現(xiàn)了貨檢作業(yè)由人檢為主、機(jī)檢為輔轉(zhuǎn)換至到達(dá)作業(yè)機(jī)檢為主、人檢為輔，出發(fā)作業(yè)人檢為主、人機(jī)結(jié)合的方式，有力地推進(jìn)了貨檢作業(yè)質(zhì)量和效率的提升。部分貨檢站探索采用智能識(shí)別技術(shù)輔助貨檢人員視頻檢查，在降低人工漏報(bào)、提升作業(yè)質(zhì)量等方面取得了一定成效。為確保標(biāo)準(zhǔn)圖像識(shí)別質(zhì)量，采用深度神經(jīng)網(wǎng)絡(luò)圖像識(shí)別模型是主要發(fā)展趨勢(shì)[2]。但是，由于訓(xùn)練集數(shù)據(jù)規(guī)模不足，造成圖像智能識(shí)別質(zhì)量與鐵路貨車(chē)裝載狀態(tài)檢查要求間存在一定差距，尤其是貨檢作業(yè)項(xiàng)點(diǎn)覆蓋不全、問(wèn)題識(shí)別率和識(shí)別準(zhǔn)確率差異較大，需要系統(tǒng)構(gòu)建鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)體系架構(gòu)，為推動(dòng)鐵路貨車(chē)裝載狀態(tài)檢查少人化、無(wú)人化提供可靠技術(shù)支撐。

1 標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)架構(gòu)及關(guān)鍵技術(shù)

1.1 體系架構(gòu)設(shè)計(jì)

針對(duì)圖像智能識(shí)別質(zhì)量與鐵路貨車(chē)裝載狀態(tài)檢查要求間存在一定差距的問(wèn)題，以標(biāo)準(zhǔn)圖像為基礎(chǔ)，以標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)范圍為導(dǎo)向，結(jié)合檢查項(xiàng)點(diǎn)訓(xùn)練集充足和訓(xùn)練集不足的特征，按照“識(shí)別需求-識(shí)別技術(shù)-識(shí)別應(yīng)用”的體系構(gòu)建思路，以鐵路貨車(chē)裝載狀態(tài)檢查場(chǎng)景下的基于深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)和傳統(tǒng)目標(biāo)檢測(cè)技術(shù)為核心，構(gòu)建鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)體系架構(gòu)，明確鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)路徑。鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)體系架構(gòu)由識(shí)別需求層、識(shí)別技術(shù)層、識(shí)別應(yīng)用層組成。鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)體系架構(gòu)如圖1所示。

圖1 鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)體系架構(gòu)Fig.1 Intelligent recognition technology system architecture for standard images of wagon loading status

其中，識(shí)別需求層由貨車(chē)車(chē)體狀態(tài)檢查、貨物狀態(tài)檢查、貨物裝載狀態(tài)檢查等標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)范圍和識(shí)別需求組成，給出標(biāo)準(zhǔn)圖像智能識(shí)別需要解決的場(chǎng)景問(wèn)題。識(shí)別技術(shù)層由實(shí)例分割技術(shù)、基于深度學(xué)習(xí)的目標(biāo)檢測(cè)、傳統(tǒng)目標(biāo)檢測(cè)、數(shù)據(jù)集擴(kuò)充等關(guān)鍵技術(shù)組成，解決訓(xùn)練集充足、訓(xùn)練集不足不同條件下的項(xiàng)點(diǎn)識(shí)別問(wèn)題。識(shí)別應(yīng)用層由門(mén)窗開(kāi)啟、端側(cè)墻破損、掩擋失效、加固線松動(dòng)等圖像識(shí)別模型組成，形成輕量化、強(qiáng)泛化能力的標(biāo)準(zhǔn)圖像智能識(shí)別模型。

（1）識(shí)別需求層。主要包括鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)標(biāo)準(zhǔn)化2 部分組成。一是鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)標(biāo)準(zhǔn)化，系統(tǒng)梳理各類(lèi)鐵路貨運(yùn)規(guī)章制度和現(xiàn)場(chǎng)檢查作業(yè)需要，按照貨車(chē)車(chē)體狀態(tài)檢查、貨物狀態(tài)檢查、貨物裝載狀態(tài)檢查明確鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)范圍。二是標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)標(biāo)準(zhǔn)化，明確標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)范圍，進(jìn)一步明確各類(lèi)項(xiàng)點(diǎn)的識(shí)別技術(shù)要求，如車(chē)門(mén)鎖鎖鉤開(kāi)啟角度≥10°、異物長(zhǎng)度≥20 mm 且寬度或直徑≥4 mm等。

（2）識(shí)別技術(shù)層。按照訓(xùn)練集充足、訓(xùn)練集不足2 類(lèi)標(biāo)準(zhǔn)圖像識(shí)別項(xiàng)點(diǎn)進(jìn)行劃分，構(gòu)建相應(yīng)類(lèi)別項(xiàng)點(diǎn)下的圖像識(shí)別關(guān)鍵技術(shù)模塊?？紤]傳統(tǒng)目標(biāo)檢測(cè)技術(shù)存在特征表達(dá)能力弱、檢測(cè)準(zhǔn)確率低、檢測(cè)實(shí)時(shí)性差等問(wèn)題，而基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法擁有強(qiáng)大特征提取能力、檢測(cè)精度高、速度快等優(yōu)點(diǎn)[3]，一是針對(duì)訓(xùn)練集充足的識(shí)別項(xiàng)點(diǎn)，根據(jù)各標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)圖像特征，綜合運(yùn)用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)和實(shí)例分割技術(shù)，不斷提升標(biāo)準(zhǔn)圖像智能識(shí)別模型泛化能力；二是針對(duì)訓(xùn)練集不足的識(shí)別項(xiàng)點(diǎn)，綜合運(yùn)用傳統(tǒng)目標(biāo)檢測(cè)技術(shù)和數(shù)據(jù)集擴(kuò)充技術(shù)，對(duì)當(dāng)前檢測(cè)點(diǎn)獲取的標(biāo)準(zhǔn)圖像與上一檢測(cè)點(diǎn)獲取的標(biāo)準(zhǔn)圖像進(jìn)行比對(duì)識(shí)別，為檢查作業(yè)提供輔助決策支持。對(duì)于訓(xùn)練集不足的項(xiàng)點(diǎn)，在標(biāo)準(zhǔn)圖像數(shù)據(jù)量積累達(dá)到一定規(guī)模后，運(yùn)用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)實(shí)現(xiàn)項(xiàng)點(diǎn)智能識(shí)別。

（3）識(shí)別應(yīng)用層。主要由門(mén)窗開(kāi)啟識(shí)別模型、貨物位移識(shí)別模型、加固線斷裂識(shí)別模型、活動(dòng)部件旋轉(zhuǎn)識(shí)別模型、篷布苫蓋不良識(shí)別模型等標(biāo)準(zhǔn)圖像智能識(shí)別模型組成?？紤]標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)范圍較大，所需構(gòu)建的識(shí)別模型數(shù)量較多，對(duì)標(biāo)準(zhǔn)圖像智能識(shí)別裝置算力壓力較大的問(wèn)題，運(yùn)用檢測(cè)項(xiàng)點(diǎn)條件下目標(biāo)檢測(cè)模型輕量化技術(shù)，形成輕量化、強(qiáng)泛化能力的標(biāo)準(zhǔn)圖像智能識(shí)別模型。

1.2 項(xiàng)點(diǎn)范圍確定

鐵路貨車(chē)裝載狀態(tài)檢查的對(duì)象是鐵路貨車(chē)車(chē)體、貨車(chē)所裝載貨物、貨物裝載加固狀態(tài)3 項(xiàng)內(nèi)容，以確保不同車(chē)型車(chē)種所裝載的不同類(lèi)型貨物的裝載質(zhì)量良好。按照“車(chē)種車(chē)型-貨物類(lèi)型-檢查項(xiàng)點(diǎn)”的設(shè)計(jì)思路，構(gòu)建鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)關(guān)聯(lián)模型。鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)關(guān)聯(lián)模型如圖2所示。

圖2 鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)關(guān)聯(lián)模型Fig.2 Correlation model of check points for wagon loading status

鐵路貨車(chē)裝載狀態(tài)檢查項(xiàng)點(diǎn)復(fù)雜程度與車(chē)種車(chē)型、貨物類(lèi)型相關(guān)聯(lián)，包括車(chē)體狀態(tài)檢查、貨物狀態(tài)檢查、貨物裝載加固狀態(tài)檢查3部分內(nèi)容。

（1）車(chē)種車(chē)型復(fù)雜性。車(chē)種包括了敞車(chē)、棚車(chē)、平車(chē)、罐車(chē)、長(zhǎng)大貨物車(chē)等，貨車(chē)車(chē)體技術(shù)狀態(tài)與貨物裝載加固質(zhì)量密切相關(guān)，目前也納入了貨運(yùn)檢查范圍，需要分析提出檢查重點(diǎn)和評(píng)判標(biāo)準(zhǔn)。不同車(chē)型貨車(chē)中與貨物裝載加固相關(guān)的車(chē)體結(jié)構(gòu)或部件(如平車(chē)地板、敞車(chē)中側(cè)門(mén)、棚車(chē)中門(mén)、罐車(chē)車(chē)體等)不同，造成檢查項(xiàng)點(diǎn)各異，如棚車(chē)需重點(diǎn)檢查車(chē)門(mén)開(kāi)啟和脫槽等問(wèn)題，罐車(chē)需重點(diǎn)檢查蓋閥關(guān)閉等情況?？紤]冷藏保溫車(chē)、毒品車(chē)、隔熱保溫車(chē)等車(chē)種涉及貨物裝載的車(chē)體結(jié)構(gòu)與棚車(chē)差異不大，將其歸納為棚車(chē)類(lèi)進(jìn)行分析。

（2）承運(yùn)貨物復(fù)雜性。目前鐵路裝運(yùn)的貨物品類(lèi)繁雜、外形規(guī)格不一，主要包括散堆裝貨物、卷鋼等鋼材類(lèi)貨物、成件包裝貨物、集裝箱、超限超長(zhǎng)貨物、輪式履帶式貨物、氣體液體貨物等。裝車(chē)時(shí)車(chē)種貨種相關(guān)匹配適應(yīng)，帶來(lái)裝載加固方式不同、防護(hù)方式不同(如苫蓋篷布等)，需要針對(duì)不同的貨物類(lèi)型、不同的裝載加固方式等確定不同的檢查項(xiàng)點(diǎn)。例如，散堆裝貨物需重點(diǎn)檢查超偏載問(wèn)題，卷鋼需重點(diǎn)檢查位移問(wèn)題，棚車(chē)裝運(yùn)的成件包裝貨物則更多地需檢查車(chē)體技術(shù)狀態(tài)。

通過(guò)對(duì)鐵路貨運(yùn)規(guī)章制度系統(tǒng)梳理，鐵路貨車(chē)裝載狀態(tài)檢查范圍覆蓋了棚車(chē)類(lèi)、敞車(chē)、平車(chē)、罐車(chē)、漏斗車(chē)、JSQ 小汽車(chē)運(yùn)輸專用車(chē)、檢衡車(chē)、長(zhǎng)大貨物車(chē)、長(zhǎng)鋼軌運(yùn)輸車(chē)組等9 大車(chē)種的約200 個(gè)檢查項(xiàng)點(diǎn)，包括門(mén)窗蓋閥開(kāi)啟、貨物撒漏、貨物裝載狀態(tài)不良等。根據(jù)管理需要和作業(yè)經(jīng)驗(yàn)，進(jìn)一步明確標(biāo)準(zhǔn)圖像智能識(shí)別項(xiàng)點(diǎn)范圍，部分貨物裝載狀態(tài)檢查項(xiàng)點(diǎn)范圍和標(biāo)準(zhǔn)圖像智能識(shí)別標(biāo)準(zhǔn)如表1所示。

表1 部分棚車(chē)貨物裝載狀態(tài)檢查項(xiàng)點(diǎn)范圍和標(biāo)準(zhǔn)圖像智能識(shí)別標(biāo)準(zhǔn)Tab.1 Range of check points and intelligent recognition criteria of standard images for box wagon loading status

1.3 技術(shù)難點(diǎn)分析

目標(biāo)檢測(cè)、實(shí)例分割、數(shù)據(jù)集擴(kuò)充和模型輕量化等技術(shù)，是標(biāo)準(zhǔn)圖像智能識(shí)別的關(guān)鍵技術(shù)組成。結(jié)合鐵路貨車(chē)裝載狀態(tài)檢查業(yè)務(wù)場(chǎng)景需要，明確各關(guān)鍵技術(shù)所需要解決的技術(shù)難點(diǎn)。

（1）目標(biāo)檢測(cè)技術(shù)難點(diǎn)。一是小目標(biāo)物體對(duì)象檢測(cè)技術(shù)難點(diǎn)。標(biāo)準(zhǔn)圖像的小目標(biāo)對(duì)象是指大背景標(biāo)準(zhǔn)圖像中，尺寸占比為0.01%(30×60像素)～0.2%(160×200像素)的物體對(duì)象。小目標(biāo)檢測(cè)主要存在于車(chē)體異物、箱頂異物、蓋閥開(kāi)啟、篷布破損等問(wèn)題項(xiàng)點(diǎn)，由于背景圖大，問(wèn)題點(diǎn)小，肉眼辨識(shí)困難，存在漏檢、誤檢的情況。二是傳統(tǒng)目標(biāo)檢測(cè)技術(shù)難點(diǎn)。對(duì)訓(xùn)練集不足的項(xiàng)點(diǎn)，技術(shù)難點(diǎn)在于運(yùn)用梯度或邊緣方向分布描述所檢測(cè)的局部物體外形，以及該局部物體外形微小變化引起的標(biāo)準(zhǔn)圖像差異(如挖掘機(jī)旋轉(zhuǎn)部位的微小旋轉(zhuǎn)所造成的圖像差異)。

（2）實(shí)例分割技術(shù)難點(diǎn)。面向輪廓規(guī)則物體(如卷鋼、鋼軌貨物等)旋轉(zhuǎn)、傾斜、竄動(dòng)等不良狀態(tài)的圖像智能識(shí)別需求，需要運(yùn)用實(shí)例分割技術(shù)為不同對(duì)象實(shí)例提供不同標(biāo)簽，進(jìn)一步獲取對(duì)象實(shí)例輪廓邊界。對(duì)于夜間或燈光較差條件下獲取的鐵路貨車(chē)裝載狀態(tài)圖像，不同對(duì)象實(shí)例間邊緣輪廓不清晰，尤其是對(duì)小目標(biāo)物體對(duì)象的實(shí)例分割，計(jì)算過(guò)程中會(huì)出現(xiàn)分辨率降低、細(xì)節(jié)丟失等問(wèn)題，是當(dāng)前標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)難點(diǎn)之一。

（3）數(shù)據(jù)集擴(kuò)充技術(shù)難點(diǎn)。傳統(tǒng)圖像增強(qiáng)技術(shù)能夠幫助算法在處理圖像數(shù)據(jù)時(shí)提高數(shù)據(jù)集可靠性，但無(wú)法對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充，需要運(yùn)用基于深度學(xué)習(xí)的圖像擴(kuò)充技術(shù)解決數(shù)據(jù)集不足問(wèn)題。生成對(duì)抗網(wǎng)絡(luò)(GAN)、條件生成對(duì)抗網(wǎng)絡(luò)(CGAN)、基于深度卷積的生成對(duì)抗網(wǎng)絡(luò)(DCGAN)等方法，能夠一定程度上解決生成對(duì)抗網(wǎng)絡(luò)存在的訓(xùn)練不穩(wěn)定、訓(xùn)練難度大、模型易崩潰等問(wèn)題[4]。但對(duì)標(biāo)準(zhǔn)圖像智能識(shí)別場(chǎng)景，如何在對(duì)抗訓(xùn)練中保留深層語(yǔ)義信息，仍是標(biāo)準(zhǔn)圖像數(shù)據(jù)集高質(zhì)量擴(kuò)充的技術(shù)難點(diǎn)之一。

（4）目標(biāo)檢測(cè)模型輕量化技術(shù)難點(diǎn)。按照不同檢查項(xiàng)點(diǎn)構(gòu)建圖像識(shí)別模型的數(shù)量巨大，需要對(duì)識(shí)別模型進(jìn)行輕量化處理[5]。一是需要從卷積核尺寸、激活函數(shù)等方面適應(yīng)性優(yōu)化Faster R-CNN，YOLO V5 等目標(biāo)檢測(cè)技術(shù)，優(yōu)化圖像處理和計(jì)算流程，不斷提升標(biāo)準(zhǔn)圖像智能識(shí)別模型泛化能力和輕量化水平。二是統(tǒng)籌考慮級(jí)聯(lián)檢測(cè)器(VJ-Det)、梯度方向直方圖檢測(cè)器(HOG-Det)和可變形組件檢測(cè)器(Deformable Part Model，DPM)為代表的傳統(tǒng)目標(biāo)檢測(cè)算法，融合優(yōu)化同一車(chē)型下標(biāo)準(zhǔn)圖像智能識(shí)別模型，減少智能識(shí)別裝置算力消耗[6]。

此外，標(biāo)準(zhǔn)圖像采集質(zhì)量?jī)?yōu)化也是標(biāo)準(zhǔn)圖像智能識(shí)別的基礎(chǔ)，尤其是雨、雪、霧等不良天氣影響下圖像失真現(xiàn)象明顯。在無(wú)法通過(guò)優(yōu)化補(bǔ)光、優(yōu)化相機(jī)等措施下，就需要運(yùn)用圖像處理技術(shù)進(jìn)行去雨、去霧、去模糊等操作，提升標(biāo)準(zhǔn)圖像質(zhì)量。

2 鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像智能識(shí)別配套措施

標(biāo)準(zhǔn)圖像智能識(shí)別體系建設(shè)，需要完善視頻設(shè)備配置、加強(qiáng)標(biāo)準(zhǔn)圖像評(píng)價(jià)、快速積累負(fù)類(lèi)樣本、統(tǒng)一圖像識(shí)別模型等配套措施，以實(shí)現(xiàn)項(xiàng)點(diǎn)辨識(shí)率、問(wèn)題識(shí)別率、識(shí)別準(zhǔn)確率的穩(wěn)步提升，為降低貨車(chē)裝載狀態(tài)檢查勞動(dòng)強(qiáng)度，深化鐵路貨運(yùn)勞動(dòng)組織改革提供可靠技術(shù)支撐。

（1）完善視頻設(shè)備管理，發(fā)揮成套裝備作用。標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)需要以標(biāo)準(zhǔn)圖像采集設(shè)備為基礎(chǔ)，輔以標(biāo)準(zhǔn)圖像智能識(shí)別裝置為判圖載體，才能發(fā)揮其輔助決策作用[7]。一是完善標(biāo)準(zhǔn)圖像采集設(shè)備與識(shí)別裝置技術(shù)條件，以標(biāo)準(zhǔn)圖像質(zhì)量要求和圖像識(shí)別質(zhì)量要求為核心，推進(jìn)采集設(shè)備和識(shí)別裝置的標(biāo)準(zhǔn)性技術(shù)文件編制下發(fā)。二是完善鐵路貨車(chē)裝載視頻監(jiān)控設(shè)備運(yùn)用管理制度，從配置、運(yùn)用、維護(hù)、維修等方面，明確標(biāo)準(zhǔn)圖像采集設(shè)備和標(biāo)準(zhǔn)圖像智能識(shí)別裝置運(yùn)用管理要求，確保設(shè)備狀態(tài)良好、滿足作業(yè)需要。

（2）加強(qiáng)標(biāo)準(zhǔn)圖像評(píng)價(jià)，確保標(biāo)準(zhǔn)圖像質(zhì)量。鐵路貨車(chē)裝載狀態(tài)標(biāo)準(zhǔn)圖像訓(xùn)練集質(zhì)量，直接決定了圖像智能識(shí)別模型的可靠性[8]。一是以完整、高清、無(wú)變形、無(wú)噪點(diǎn)、無(wú)模糊為主要特征，明確標(biāo)準(zhǔn)圖像定義和內(nèi)涵，為視頻監(jiān)控設(shè)備供應(yīng)商明確設(shè)備輸出質(zhì)量要求。二是建立標(biāo)準(zhǔn)圖像質(zhì)量評(píng)價(jià)機(jī)制，在設(shè)備新建、更新改造、大修等影響成像質(zhì)量的活動(dòng)結(jié)束后，要求設(shè)備應(yīng)通過(guò)標(biāo)準(zhǔn)圖像質(zhì)量評(píng)價(jià)。

（3）快速積累負(fù)類(lèi)樣本，穩(wěn)步提升泛化能力。不同類(lèi)型訓(xùn)練樣本的規(guī)模化增長(zhǎng)，才能夠保證標(biāo)準(zhǔn)圖像智能識(shí)別模型泛化能力的快速提升。一是以鐵路貨運(yùn)生產(chǎn)作業(yè)與管控平臺(tái)為載體，匯集全路問(wèn)題車(chē)圖片信息，實(shí)現(xiàn)標(biāo)準(zhǔn)圖像訓(xùn)練集的網(wǎng)絡(luò)化采集和存儲(chǔ)。二是加強(qiáng)訓(xùn)練集圖像標(biāo)記質(zhì)量管理，持續(xù)擴(kuò)充不同識(shí)別模型訓(xùn)練集，推進(jìn)多項(xiàng)點(diǎn)識(shí)別模型融合和輕量化，穩(wěn)步提升模型泛化能力。

（4）統(tǒng)一圖像識(shí)別模型，考核圖像識(shí)別質(zhì)量。良好的標(biāo)準(zhǔn)圖像智能識(shí)別質(zhì)量，能夠有效減少現(xiàn)場(chǎng)作業(yè)漏報(bào)，是提升鐵路貨車(chē)裝載狀態(tài)檢查水平的技術(shù)支撐。一是統(tǒng)一圖像識(shí)別模型，避免因模型不一致造成現(xiàn)場(chǎng)作業(yè)輔助決策項(xiàng)點(diǎn)范圍差異，以及問(wèn)題車(chē)誤報(bào)、漏報(bào)造成的作業(yè)隱患。二是考核圖像識(shí)別質(zhì)量，按照車(chē)站別、路局別、項(xiàng)點(diǎn)別對(duì)標(biāo)準(zhǔn)圖像智能識(shí)別質(zhì)量進(jìn)行考核，明確圖像采集、圖像識(shí)別、圖像展示等不同環(huán)節(jié)主體的相互關(guān)系，對(duì)因漏報(bào)造成的安全問(wèn)題應(yīng)當(dāng)進(jìn)行追責(zé)。

3 結(jié)束語(yǔ)

在物聯(lián)網(wǎng)、人工智能等技術(shù)驅(qū)動(dòng)下，依靠人眼盯控、經(jīng)驗(yàn)決策的傳統(tǒng)作業(yè)方式不能滿足鐵路貨運(yùn)高質(zhì)量發(fā)展需要，鐵路貨運(yùn)安全風(fēng)險(xiǎn)識(shí)別與處置將越來(lái)越依賴智能技術(shù)裝備，從人工經(jīng)驗(yàn)決策向機(jī)器輔助決策轉(zhuǎn)變。標(biāo)準(zhǔn)圖像智能識(shí)別技術(shù)的研究應(yīng)用，就是按此思路進(jìn)行的探索和創(chuàng)新，能夠有效促進(jìn)當(dāng)前優(yōu)化貨檢作業(yè)流程工作的深入推進(jìn)，有力提升貨運(yùn)安全隱患排查和防控能力，并將有利于降低作業(yè)人員的勞動(dòng)強(qiáng)度，提高貨運(yùn)安全管理和作業(yè)整體科技保障水平。同時(shí)，該項(xiàng)應(yīng)用前景廣闊，在當(dāng)前鐵路貨檢作業(yè)場(chǎng)景應(yīng)用成熟后，還可以廣泛應(yīng)用到專用線(專用鐵路)交接檢查、貨場(chǎng)安全管理等方面，更好地服務(wù)運(yùn)輸安全工作。