自2017年7月，国务院印发了《新一代人工智能发展规划》以来，人工智能作为新一轮科技革命和产业变革的核心驱动力，市场前景非常广阔。人工智能在与制造、家居、金融、零售、交通、安防、医疗、教育、物流这九大行业的不断融合中，形成了真正有效的行业智能，以此助力传统行业的转型升级。2019年国家发改委对人工智能类产业结构调整目录的修订意旨主要为鼓励我国人工智能技术在各个领域中的应用落地，其中包括水利、钢铁、煤炭、石化化工、建材等23个领域，间接提及人工智能产品及技术的鼓励类条目多达百余条。
目前我国人工智能行业仍处于发展初期，还存在着部分领域产品空白，产品和服务同质化竞争严重，缺乏统一评价标准，技术人才缺乏等问题。根据目前我国人工智能技术发展的成熟度及国家政策的扶持力度来看，AI行业应用的发展趋势可总结为以下三点：
1）从技术角度来看，在对事物的完整行为规划或事项决策方面的发展空间较大。2）从市场角度来看，未来不会出现岗位短缺问题，技术革命将提高社会整体福利。3）从行业角度来看，人工智能将实现降本增效、延续人类智慧的核心价值。
近几十年来，随着基建投入的增加，中国城市的地铁建设也进入了快车道。据21数据新闻实验室统计，中国国内各城市建设的地铁总里程近4600公里，近10年间翻了4倍。截至目前，国内已有33个城市开通地铁，仅最近10年来，开通地铁的城市就增加了21个，地铁建设进入繁荣阶段。由于地铁隧道基本上都是通过盾构机盾构出来的，里面支撑的是一环环管片，因此平时隧道中会因为某些客观因素而存在一些安全隐患（如渗水、滴漏、管片局部开裂和脱落等，业内称之为病害）。
这些病害稍有不慎就会造成重大的安全事故，因此地铁的日常维护工作变的至关重要。目前地铁维护一般采用轨道车拍照+人工查验照片的方式，通过在巡检机上安装7台线阵相机，使其随着列车的运动进行隧道的扫描拍摄，最后将照片导出到电脑上一张张查验。
目前仅仅上海地铁就有十几条线路需要维护，而拍摄机器每天最多只能拍摄一条线路，每次平均拍摄2万多张的照片，每周平均拍摄2次，一年大约需存储20TB的照片。这些照片数据自动存入硬盘，通过手动取出硬盘后将数据导入电脑，导入时间就需四~五个小时。且目前病害的检测只能由经验丰富的检测工程师通过肉眼来判断，由于工程量太大有时会出现漏检的情况。由此可见，现行的获取数据、分析数据的方式需耗费大量的人力、物力及时间成本，且效率极低。
因此，我们针对客户当前主要痛点，定制了基于深度学习的AI病害检测算法模型，在大幅降低人力、物力及时间成本的同时，大幅降低病害检测的漏检率，帮助客户达到降低成本、增加效率的目的。
针对目前存在的病害检测效率低及漏检的问题，建设一套基于深度学习算法的轨道交通隧道断面智能检测系统非常有必要。百家云目前所拥有的基于深度学习算法的病害检测模型，经过定制化的训练及优化后，可精准的对隧道图像进行视觉分析，识别出漏水、滴漏、裂缝、腐锈等多种病害类型，每种病害可分析出病害位置、病害等级、病害面积等多种维度信息。一旦发现有细小面积的病害迹象发生，便可在第一时间通知管理员，并留存实时画面，真正做到了大范围、高效、高精度的智能检测，准确率达到95%以上。
病害检测模型是在病害业务处理系统中，新增一个算法识别服务，对工业线阵相机采集的图片进行智能检测，当智能算法检测到病害后，立即返回病害识别信息给业务处理系统，再由业务方协调地铁维护人员进行检修，做到高效率的防查补漏，将事故防患于未然。具体的方案架构图如图1所示：
图1 方案架构
除了病害识别模型外，我们还研发了一整套的业务处理平台，其主要功能如下：
1、数据导入：
运维人员将存储原始图像的硬盘连接到服务器，通过联网的电脑进行数据一键导入。服务器算法能够自动识别新导入的数据并进行拟合、标注等处理，最终将检测过滤完成的数据展现在业务处理平台的相应模块中。数据导入界面如图2所示：
图2 数据导入
2、数据分析：
（1）我们算法采用多尺度级联cnn进行目标检测，利用深度优化的卷积网络结构提取目标特征，并且在不同的stage用不同的IOU不断的进行casscade过滤掉大量的负样本噪声。我们算法不仅能检测各种比例及大小尺度的目标，而且能够保证较高的检测精度。算法自动识别标注病害图如图3所示：
图3 原图(左)和病害标注图(右)
（2）我们采用高精度的图像全景拼接算法，通过对原始图片进行预处理，均衡各管片图片的对比度和亮度，然后利用SURF算法对图片进行特征点提取和定位，将相同位置的特征点进行匹配保证图像拼接的准确度，结合先进的图像预处理技术平滑两幅图篇的连接处，保证拼接图片的信息完整和拼接后的效果，最终呈现的效果对比图如图4所示：
图4 拟合图
3、病害信息二次确认：
算法将检测到有病害的数据自动存入病害审核中，待运维人员进行二次确认并返回审核结果。整体的数据流程图如图5所示：：
图5 数据流程图
当运维人员返回的审核结果为有病害时，则该数据将被同步到病害修复和病害台账模块中，当审核人员返回的审核结果为无病害或已修复，则该数据默认过滤，不再进行数据修复操作。
同步到病害修复中的数据需修复人员进一步确认并返回修复结果，病害管理界面如图6所示：
图6 病害管理
4、自动收集训练数据
对于病害审核时发现算法检测有误的数据，可将这些病害信息同步到训练数据模块以供后续算法训练使用，训练数据处理界面如图7所示：
图7 训练数据处理界面
本系统的设计与实现涉及多方面的理论、方法和技术，解决了客户的需求，但是局限于当前技术的发展，仍然存在部分问题，在实现效果上还有待于提高，未来我们的AI研发团队将致力于以下两点做进一步的改进：
1、因本项目的数据量较大，在进行数据传输时受到网络速度的限制，未来我们将实现与5G技术的融合，可大幅提升数据传输的速度和便捷性。
2、现有的数据存储主要依靠硬盘存放，市场上8TB以上的硬盘价格至少在千元以上，大量的数据存储将占用很大的存储成本。未来我们将实现直接将拍摄完成的图片进行数据分析，可大幅减少硬盘存储数据，降低存储成本。
上一篇：百家云企业内训平台，帮助企业实现人才发展和管理
下一篇：无
相关推荐： 【重磅消息】百家云完成数千万元人民币A+轮融资
