淺析人工智能技術(shù)在高鐵安檢系統(tǒng)中的前瞻性應用

黃進中

摘要：伴隨計算機技術(shù)的不斷發(fā)展，人工智能技術(shù)水平越來越高。在高鐵站安檢系統(tǒng)中應用人工智能技術(shù)，能夠提升安檢的識別效率，避免人為誤差，同時還可以降低工作人員的勞動強度，能夠進一步提升高鐵安檢的識別率。為此，本文淺要介紹了人工智能技術(shù)在高鐵安檢系統(tǒng)中應用時的圖像異物的識別方法與關(guān)鍵技術(shù)，并分析了測試試驗。

關(guān)鍵詞：人工智能技術(shù);高鐵安檢;安檢系統(tǒng)

一、圖像異物的檢測原理分析

（一）圖像的識別方法

本文設計的以圖像處理為基礎(chǔ)的高鐵站X光機檢測環(huán)節(jié)主要可以分成6個部分：（1）圖像的采集;（2）提取新拍圖片與原始圖片的特征點;（3）匹配新拍圖片與原始圖片的特征點;（4）計算新拍圖片與原始圖片的空間變換的矩陣;（5）透視轉(zhuǎn)換新拍的圖片;（6）把變換后的圖片和原始圖片展開相減處理。

在計算機視覺的有關(guān)應用當中，常常會提及到一個概念——特征點，它也被叫做興趣點好關(guān)鍵點，從字面理解上看，圖像當中的特征點主要是指那些獨立的物點，比方說避雷針、電視塔、旗桿或煙囪等等，還有可能是圖像里面的面狀要素的邊界線拐點或者是線型要素的交叉點，比方說墻角、樹枝的交叉點或桌子角，特征點這個概念常常用于處理那些生活當中具體的應用問題，比方說物體識別、圖像配準以及圖像的三維重建。如果檢測人員能夠檢測出足夠的這種比較特殊的特征點，因為這些特征點的區(qū)別度非常高，所以沒有觀察整幅圖像的必要，只分析這類特征點的局部特點并結(jié)合定位圖片，可以得出圖像的相應穩(wěn)定特征。

（二）對比的流程

比對并匹配2幅圖像，分別得出它們相應的矩陣，之后通過得到的矩陣對新拍的照片展開變換，可以獲得和原始圖片配準程度非常高的圖像。

要想檢測新拍圖像中的異物，需要工作人員把變化之后的新拍圖像與原始的圖像展開配準操作，變換以后的新拍圖像因為透視變換，會產(chǎn)生一小部分的黑色區(qū)域，嚴重影響后面的圖像對比流程，所以需要利用相應的手段去除黑色的區(qū)域，計算機的視覺處理技術(shù)中的圖像剪切技術(shù)能夠?qū)崿F(xiàn)這個目標。但使用的過程中，為確保對比兩幅圖像的同一個區(qū)域，還需要針對原始的圖像展開同樣尺寸的剪切操作。

剪切之后的原始圖像和新拍圖像尺寸和大小完全相同，在這種情況下能夠采取圖像像素的差值法針對兩幅處理后的圖像展開圖像加減，可以提前設定一個與之，如果同一個位置的像素點的值一致或者兩個像素點的差值沒有超出標準的閾值，可以判定這兩個像素點是相同的，結(jié)果為該位置處是一個黑色的點斑。相反的，兩個像素點的差值超出標準的閾值，結(jié)果為該位置處是一個白色的點斑。工作人員可以借助圖像相減得到的圖像是否為白色斑點，判斷兩個圖像間是否存在差異或者是異物。

二、測試試驗

長春市西高鐵站對人工智能X光安檢儀展開了改造，在檢測中引入人工智能計算技術(shù)和圖像處理的技術(shù)，然后展開實物操作的檢驗。

首先，設計了一套以圖像處理技術(shù)為基礎(chǔ)的智能檢測系統(tǒng)，整個圖像的處理技術(shù)分成八個步驟，分別為：檢測并匹配新拍圖像和原始圖像的特征點、精心選擇檢測出來的新拍圖像和原始圖像的特征點、估計新拍圖像和原始圖像的空間轉(zhuǎn)換矩陣、新拍圖像的透視轉(zhuǎn)換和圖像裁剪、新拍圖像和原始圖像相減、圖像異物的標記以及腐蝕除去噪聲。

其次，在攝取圖像的實際環(huán)節(jié)中，無法保證每次拍攝的角度都是相同的，特別是在拍攝角度特別復雜的情況下，因為物體的遮擋作用，攝像頭在視角比較大的變化狀態(tài)下拍攝的新圖像，比原始圖像會多出許多新的內(nèi)容，因而在圖像相減的過程中可能會出現(xiàn)比較大的差異。針對這一情況，可以思考在角度變化的范圍中展開多張微小角度的圖像拍攝，之后多張相鄰的圖片展開連續(xù)的空間轉(zhuǎn)換，最終獲得效果良好的大角度空間轉(zhuǎn)換。

因為具體的拍攝角度和環(huán)境的亮暗存在差異，物體表面反射光的強度不同，所以在計算兩個圖像像素差期間，有可能會產(chǎn)生噪聲，為了降低噪聲，本次設計選用圖形的腐蝕算法，明顯提升了該系統(tǒng)異物檢測的效果。試驗的結(jié)果顯示，當圖像的位移、旋轉(zhuǎn)、縮放和傾斜因子以及環(huán)境亮暗沒有超出規(guī)定范圍時，該系統(tǒng)能夠取得理想的檢測效果。接著，需要按照應用場景的不同，靈活地調(diào)整閱圖效率和安檢效率之間的匹配關(guān)系?？焖侔矙z模式：安檢的效率比閱圖效率要高，提升安檢人員的數(shù)量達到業(yè)務量的基本要求，適合應用在業(yè)務的高峰時期?？焖匍唸D模式：安檢的效率比閱圖效率小，一個閱圖工作人員能夠同時管理眾多通道，適合應用在業(yè)務的低谷期或安檢的包裹比較少的時候，可以節(jié)省人力。

結(jié)束語：

下一步的工作是實現(xiàn)各個單一作業(yè)點的人工智能安檢機的聯(lián)網(wǎng)，實時將數(shù)據(jù)上傳到大數(shù)據(jù)運營中心，通過使用GPU計算以及機器深度學習的迭代升級，逐步提升智能的判斷力，設立智能語音的播報系統(tǒng)。為每個高鐵站配備一個指揮中心，可以發(fā)揮移動值機和遠程值機的效用，進一步提升高鐵安檢的效率，真正達到減員增效的效果。

參考文獻：

[1]米仲勇. 人工智能技術(shù)在高鐵安檢系統(tǒng)中的前瞻性應用[J]. 電子技術(shù)與軟件工程， 2017（12）：254-255.

[2]張國全. 人工智能技術(shù)在高鐵光纖周界入侵報警系統(tǒng)中的應用[J]. 信息與電腦（理論版）， 2017， 377（07）：158-160.

南京寧鐵無損檢測技術(shù)研究院有限公司 江蘇南京 210000