knowledge-vault/work/client-projects/货车闸瓦销环与翻车机压车臂/销环框架.md

160 lines
8.8 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 角色
你是资深的计算机系统分析师。现在准备写一份系统建设方案。
## 项目背景
铁路货车闸瓦销环用于防止闸瓦插销纵向窜出,保证闸瓦能够有效地对轮对施加制动力,满足车辆制动要求。铁路货车既有闸瓦销环在装车运用过程中,经常出现闸瓦销环丢失现象。闸瓦销环丢失后,闸瓦有脱落风险,给列车运行带来安全隐患。
既有闸瓦销环材料为镀锌低碳钢,硬度和刚度低。在运用过程中由于振动,闸瓦销环与闸瓦插销长时间相互摩擦撞击,造成闸瓦销环因磨耗破损而脱落丢失。既有闸瓦销环状态如下图所示。
另外,组装闸瓦销环后,如果未按要求将劈开部分重新捏合,或者捏合不到位,或者受操作环境制约,无法捏合,使得闸瓦销环在运用过程中极易丢失。
目前对闸瓦销环是否丢失还是以人工为主,劳动效率差、可靠性低且不便于信息化管理。随着计算机图像处理、光电技术相关学科的发展,机器视觉技术已广泛的应用于工业、医学等领域,其优点是自动化、非接触和在线性。将其应用于闸瓦销环是否丢失的自动检测,有显著的现实意义和广阔的应用前景。
## 系统功能要求
目前计划在货车进入翻车机现场前进行检测此时货车行驶速度大约为5公里/小时。
计划在翻车机厂房外200米处的铁轨两侧安装两台摄像头与铁轨呈45度角这样才能看到闸瓦销环。
当发现闸瓦销环丢失时,向现有的翻车机系统发出预警即可。这部分可以先简写,因为还不确定翻车机系统的接口。
由于火车速度很慢,所以检测速度要求不太高;但是精度要求较高。
## 技术和硬件选择
目前选择的摄像头为高清摄像头。对于具体的计算机视觉算法没有特殊要求当然开源的最好比如Yolo。
我们有使用Yolo的经验有丰富的应用程序开发经验但是在算法上经验不太多所以倾向于选择成熟的算法而不考虑二次开发算法。
目前的摄像头型号已经由甲方确定,只是型号还没有通知我们,可以肯定的是防尘防水防晒等已经经过实际考验。
## 环境和条件限制
摄像头安装在露天环境算法服务器放在附近的机房里距离大约有200米。会为摄像头专门拉电线和网线。
## 数据和训练需求
目前没有现成的视频或图像素材,但是计划在项目前期进行采集足够多的图像和视频以供训练。在项目前期,就安装两台摄像头,采集真实的视频,然后由人工进行标注。
人工标注计划投入两个人月时间为期一个月。预计数据集图片可以达到5000张。数据标注部分有完善的检查机制。
这个检测过程是实时的在火车进站前需要及时进行提示。在火车车轮经过的10秒内检测完毕并发出预警所以这个时间是足够的。预警只是调一次翻车机系统的接口无需其他手段。
服务器放在本地机房目前考虑用inter 12代64G内存3090显卡24G显存这个足够用了。
## 其他
由于在项目前期,很多还不确定,现在只是初稿。
系统集成与接口、安全性和可靠性(系统故障)、涉众沟通、预算和时间框架、人员培训和支持都可以暂不考虑。
## 方案提纲
基于以上信息,写一份《铁路货车闸瓦销环检测系统方案》的提纲。
可参考的目录如下:
一、建设背景
二、预期目标
三、系统总体设计
四、实施部署计划
五、建设预算与内容
《铁路货车闸瓦销环检测系统方案》提纲
---
### 一、建设背景
1. **项目背景描述**
- 介绍铁路货车闸瓦销环丢失问题的现状及对列车运行的安全隐患。
- 解释既有闸瓦销环材料的不足以及现有检测手段的低效。
- 引出机器视觉技术的快速发展,并强调其在工业应用中的自动化、非接触、在线检测等优势。
2. **问题分析**
- 闸瓦销环丢失对铁路货运车辆的安全影响。
- 现有人工检测方法的局限性:劳动效率低、可靠性差、不适合信息化管理。
- 急需开发自动化检测系统,减少人为因素对安全性的影响。
3. **技术背景与发展趋势**
- 机器视觉在铁路运输安全中的应用潜力。
- 结合Yolo等深度学习算法的图像处理技术在工业领域中的应用示例。
---
### 二、预期目标
1. **总体目标**
- 构建一套基于机器视觉的自动检测系统,用于检测铁路货车闸瓦销环的丢失情况,确保货车运行安全性。
2. **具体目标**
- **检测精度**能够在货车低速通过时5公里/小时),准确识别闸瓦销环的状态。
- **检测效率**在货车经过翻车机现场前完成检测确保在10秒内发出预警。
- **实时预警**:当检测到闸瓦销环丢失时,能及时向翻车机系统发出预警。
- **系统稳定性**:适应露天复杂环境,能在防尘、防水、防晒等条件下长期稳定运行。
---
### 三、系统总体设计
1. **系统结构概述**
- 系统采用分布式架构,由**前端摄像头采集设备**、**后端算法服务器**、**翻车机系统接口**三部分组成。
2. **硬件选型**
- **高清摄像头**支持露天防尘、防水、防晒安装于铁轨两侧角度为45度。
- **计算设备**Intel 12代CPU、64G内存、NVIDIA 3090显卡24G显存本地部署机器视觉算法。
- **网络连接**:摄像头与服务器通过有线连接,保证数据传输稳定。
3. **算法选择与实现**
- **检测算法**基于Yolo的深度学习算法结合标注数据进行训练和评估。
- **训练数据获取与标注**前期通过摄像头采集5000张以上的图像数据进行人工标注和数据集质量控制。
- **检测流程**
1. 火车通过时,高清摄像头实时捕捉车轮与闸瓦销环区域图像。
2. 图像传输到服务器Yolo算法进行实时分析。
3. 判断闸瓦销环是否丢失。
4. 如丢失,立即发出预警信号。
4. **系统功能模块**
- **图像采集模块**:负责实时采集火车经过时的闸瓦销环区域图像。
- **图像处理与检测模块**:负责对采集的图像进行识别和分析,判断销环状态。
- **预警模块**:负责将检测结果传递给翻车机系统,发出报警信号。
- **日志与数据存储模块**:记录检测过程中的数据和结果,便于后续分析与优化。
---
### 四、实施部署计划
1. **项目阶段划分**
- **前期准备1个月**
1. 摄像设备安装:确定摄像头具体型号并实施安装。
2. 数据采集:在火车经过期间,采集足量视频/图像素材并进行人工标注。
3. 标注数据集约5000张图像的人工标注与质量检查。
- **系统开发与调试2个月**
1. 模型训练:利用已标注的数据集进行模型训练和优化。
2. 系统集成:将视觉算法嵌入检测系统,完成与摄像头、服务器的联调。
3. 预警机制:开发与翻车机系统的接口进行初步集成。
- **系统测试与优化1个月**
1. 测试在不同场景下摄像头拍摄的图像质量及检测精度。
2. 调整算法参数,增强在复杂环境下的鲁棒性。
3. 验证预警系统与翻车机系统的有效配合。
2. **硬件部署**
- **摄像头安装位置**铁轨两侧距翻车机约200米确保45度角度安装。
- **服务器部署**:部署在本地机房,确保与摄像头的物理连接稳定。
3. **算法训练与调整**
- 通过采集的真实场景数据,优化算法的检测精度,减少误报和漏报。
- 针对车轮、轨道、闸瓦销环的复杂环境场景进行抗干扰处理(如光线变化、天气影响等)。
4. **系统上线**
- 在完成各项测试后,将系统投入实际使用,进行一段时间的现场监控及性能评估。
---
### 五、建设预算与内容
1. **硬件设备**
- **摄像头**2台高清摄像头防水防尘型号。
- **服务器**1台高性能计算服务器Intel 12代CPU、64G内存、NVIDIA 3090显卡
2. **软件开发费用**
- **算法开发**Yolo算法应用和系统集成。
- **数据标注费用**人工标注5000张图片约2个人月。
3. **安装和调试费用**
- 安装人员费用及摄像头、服务器的调试费用。
4. **其他费用**
- 现场电缆、网线铺设。
- 系统测试和维护费用。
---
通过该方案,可以实现铁路货车闸瓦销环的自动化检测,确保火车运行安全,同时减少人工干预和工作量。