一种铁路货车TFDS智能识别实时监控方法及系统与流程
- 国知局
- 2024-07-31 23:13:16
本发明涉及tfds货车故障图像识别,特别是涉及一种铁路货车tfds智能识别实时监控方法及系统。
背景技术:
1、随着铁路运输的快速发展,铁路货车车辆的速度显著提升,且重载货物列车开行线路增多,列车车流密度也明显提高,这对货车车辆的运行安全提出了更高的要求。tfds货车故障图像智能识别系统利用人工智能技术对tfds设备采集的货车图像进行智能分析处理,自动识别图像中的车辆故障及异常,然后提示人工复核确认,可以显著地提升货车故障图像故障识别效率,降低作业人员的劳动强度。由于智能识别系统联网应用标准对于单列车识别时间有一定的要求,因此有必要对列车识别进度进行实时的监控,以便在整列车识别完成后第一时间将故障识别结果分配给动态检车员进行复核,提高列车故障响应时间。
2、但是,当前仅能通过tfds集中作业平台接收的过车图像和故障识别结果来间接的对整列车的tfds智能识别进度进行监控。这种方式由于需要解析、处理收到的所有图像,特别是文件较大的图像,会造成统计的识别进度出现一定的延迟。特别是对于多列车同时通过探测站的场景,由于大量的过车图像和故障识别结果需要tfds集中作业平台处理存储,存在系统io等竞争情况,这使得识别进度的延迟更加严重,不利于对tfds智能识别系统的识别进度监控。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种铁路货车tfds智能识别实时监控方法及系统,能够减少数据处理量,提升识别进度计算的实时性,且将监控系统与tfds集中作业平台进行解耦分离,保障了实时监控系统的独立性,提升了监控系统的效率。
2、第一方面,本发明提供了一种铁路货车tfds智能识别实时监控方法,包括以下步骤:
3、实时采集tfds智能识别系统输入的过车图像数据和输出的故障识别结果数据,过车图像数据由铁路货车的过车信息和过车图像的编码字段整合获得,过车图像数据为json文件形式,过车图像的编码字段由过车图像进行数据编码获得;
4、根据筛选规则对过车图像数据和故障识别结果数据进行过滤,保留过车图像数据和故障识别结果数据中的关键数据字段信息;
5、将过车图像数据和故障识别结果数据的关键数据字段信息通过中间件集群传递至流式计算框架;
6、流式计算框架以数据流的形式接收过车图像数据和故障识别结果数据的关键数据字段信息,并将接收到的关键数据字段信息存储到实时数据仓库;
7、在tfds智能识别系统的智能识别阶段基于实时数据仓库内的数据计算整列货车的识别进度,并将识别进度可视化。
8、在其中一个实施例中,过车图像数据以车辆为基本传输单元,包括探测站、通过时间、辆序、车号、车型、车辆部件数、工位部件名称集合、图像名称和图像的编码字段;
9、故障识别结果数据以工位部件为基本传输单元,包括探测站、通过时间、辆序、车号、车型、工位部件名称、部件图片数和故障名称字段。
10、在其中一个实施例中,筛选规则为剔除过车图像数据中的车号、车型、工位部件名称集合、图像名称和图像的编码字段,剔除故障识别结果数据中的车号、车型、部件图片数和故障名称字段;
11、过车图像数据中的关键数据字段信息包括探测站、通过时间、辆序和车辆部件数字段,故障识别结果数据中的关键数据字段信息包括探测站、通过时间、辆序和工位部件名称字段;
12、关键数据字段信息构成的数据对〈探测站,通过时间〉用于唯一标识一列车,数据对〈探测站,通过时间,辆序〉用于唯一标识一列车中的一辆车,数据对〈探测站,通过时间,辆序,工位部件名称〉用于唯一标识一辆车的一个工位部件。
13、在其中一个实施例中,将过车图像数据和故障识别结果数据的关键数据字段信息通过中间件集群传递至流式计算框架为通过output组件将过车图像数据和故障识别结果数据的关键数据字段信息发送到消息中间件kafka集群,然后中间件kafka集群将过车图像数据和故障识别结果数据的关键数据字段信息发送至流式计算框架flink或流式计算框架spark streaming。
14、在其中一个实施例中,实时数据仓库内包括数据表t1和数据表t2,数据表t1用于存储过车图像数据的关键数据字段信息,数据表t2用于存储故障识别结果数据的关键数据字段信息。
15、在其中一个实施例中,tfds智能识别系统的智能识别阶段为已接收过车图像数据的车辆数与列车的货车车辆数相等时段;
16、已接收过车图像数据的车辆数通过数据表t1确定,列车的货车车辆数通过查询列车车次信息接口获得。
17、在其中一个实施例中,基于实时数据仓库内的数据计算整列货车的识别进度包括以下步骤:
18、查询数据表t1确定各车辆过车图像数据的车辆部件数;
19、查询数据表t2确定各车辆故障识别结果数据的工位部件数;
20、根据识别进度计算式计算整列车的识别进度结果,其中,识别进度计算式为
21、
22、式中,n为整列车的货车车辆数,reqi为第i辆车过车图像数据的车辆部件数,reti为第i辆车故障识别结果数据的工位部件数。
23、在其中一个实施例中,过车图像数据和故障识别结果数据存储于tfds智能识别系统的文件系统模块中,通过filebeat插件、logstash插件或fluentd插件从文件系统模块采集过车图像数据和故障识别结果数据,并基于筛选规则对过车图像数据和故障识别结果数据进行过滤。
24、在其中一个实施例中,将识别进度可视化通过以事件驱动的方式调用接口服务完成。
25、第二方面,本发明还提供了一种铁路货车tfds智能识别实时监控系统,用于执行上述的铁路货车tfds智能识别实时监控方法,包括:
26、数据采集模块,用于实时采集tfds智能识别系统输入的过车图像数据和输出的故障识别结果数据,过车图像数据由铁路货车的过车信息和过车图像的编码字段整合获得,过车图像数据为json文件形式,过车图像的编码字段由过车图像进行数据编码获得;
27、筛选模块,用于根据筛选规则对过车图像数据和故障识别结果数据进行过滤,保留过车图像数据和故障识别结果数据中的关键数据字段信息;
28、数据传递模块,用于将过车图像数据和故障识别结果数据的关键数据字段信息通过中间件集群传递至流式计算框架;
29、流式计算框架,用于以数据流的形式接收过车图像数据和故障识别结果数据的关键数据字段信息,并将接收到的关键数据字段信息存储到实时数据仓库;
30、计算显示模块,用于在tfds智能识别系统的智能识别阶段基于实时数据仓库内的数据计算整列货车的识别进度,并将识别进度可视化。
31、本发明的有益效果是:
32、(1)本发明过车图像数据为过车信息和将过车图像进行数据转换的编码字段整合为json文件形式的数据,能够实现仅通过一次http请求调用就可以将整辆车的过车图像数据发送给tfds智能识别系统进行智能识别,提升了识别速度。
33、(2)本发明使用筛选规则将采集tfds智能识别系统输入的过车图像数据和输出的故障识别结果数据中的无效数据字段过滤,只保留关键数据字段信息,并且是将关键数据字段信息保留到tfds集中作业平台之外的实时数据仓库中,然后在实时数据仓库中通过过车图像数据和故障识别结果数据的关键数据字段信息计算整列货车的识别进度,筛选过滤大量的无效数据字段可以提高数据传输的传输效率,减小实时监控过程中需要处理的数据量,能够降低识别进度计算的延迟,可以更加实时地计算出整列车的智能识别进度。
34、(3)实时数据仓库是在tfds集中作业平台之外,则实时监控过程不再依赖于tfds集中作业平台,保障了实时监控过程的独立性,避免系统io竞争,进一步降低了智能识别进度的延迟。
本文地址:https://www.jishuxx.com/zhuanli/20240730/196507.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。