1. 项目背景与核心挑战
接触网受电弓系统是轨道交通供电的关键部件，其运行状态直接影响列车供电安全。受电弓与接触网之间产生的电弧现象是常见的故障征兆，传统人工巡检方式存在效率低、漏检率高的问题。我们团队基于计算机视觉技术开发的这套检测系统，核心要解决三个行业痛点：
- 复杂光照条件下的电弧检测稳定性（特别是隧道内外光线突变场景）
- 高速移动场景下的实时检测需求（列车运行时速80-120km/h）
- 多目标干扰下的精确识别（雨雪、昆虫、反射光等干扰物）
2. 模型架构设计解析
2.1 YOLO11-C3k2-HDRAB模型结构
我们在YOLOv8基础上进行深度改造，主要创新点包括：
python复制# 模型核心组件示例
class HDRAB(nn.Module):
def __init__(self, c1, c2):
super().__init__()
self.cv1 = Conv(c1, c2//4, 1)
self.cv2 = Conv(c1, c2//4, 3)
self.cv3 = Conv(c1, c2//4, 5)
self.cv4 = Conv(sum([c2//4]*3), c2, 1)
self.att = Attention(c2)
def forward(self, x):
return self.att(self.cv4(torch.cat([
self.cv1(x), self.cv2(x), self.cv3(x)
], dim=1)))
关键改进说明：
- C3k2模块：采用kernel size 2的紧凑卷积，在保持感受野的同时减少30%计算量
- HDRAB机制：高动态范围注意力模块，通过多尺度特征融合增强暗区电弧识别
- 双路径特征提取：并行处理空间信息（电弧位置）和频域信息（电弧强度）
2.2 数据增强策略
针对轨道交通特殊场景设计的增强方案：
yaml复制augmentations:
- name: DynamicShadow
params:
intensity: [0.3, 0.7]
angle: [-45, 45]
- name: MotionBlur
params:
kernel_size: [15, 25]
- name: SpectrumShift
params:
range: [400, 700] # 模拟不同波长电弧
3. 工程实现关键点
3.1 边缘计算部署方案
采用NVIDIA Jetson AGX Orin部署模型，优化要点：
- TensorRT加速：
bash复制trtexec --onnx=model.onnx \
--fp16 \
--workspace=4096 \
--optShapes=images:1x3x640x640 \
--saveEngine=model.engine
- 多级缓存策略：
- 第一级：FP16量化模型权重（节省40%显存）
- 第二级：异步DMA传输（降低20%延迟）
- 第三级：环形缓冲区管理（支持突发帧处理）
3.2 动态ROI识别算法
为解决高速移动导致的图像模糊问题，开发了基于光流补偿的ROI定位：
cpp复制void trackROI(cv::Mat &frame, std::vector<cv::Rect> &rois) {
cv::Mat flow, prev_gray;
cv::cvtColor(prev_frame, prev_gray, COLOR_BGR2GRAY);
calcOpticalFlowFarneback(prev_gray, curr_gray, flow, 0.5, 3, 15, 3, 5, 1.2, 0);
for(auto &roi : rois) {
roi.x += flow.at<Vec2f>(roi.center())[0];
roi.y += flow.at<Vec2f>(roi.center())[1];
// 边界约束处理
roi &= cv::Rect(0,0,frame.cols,frame.rows);
}
}
4. 实测性能与优化
4.1 测试环境配置
| 项目 | 参数 |
|---|---|
| 硬件平台 | Jetson AGX Orin 64GB |
| 相机 | FLIR BFS-PGE-50S5C-C |
| 帧率 | 50fps @ 1280x720 |
| 光照条件 | 10-100,000 lux |
4.2 关键性能指标
经过3个月线路实测获得的基准数据：
- 检测精度：
- 白天场景：AP@0.5=98.2%
- 夜间场景：AP@0.5=95.7%
- 隧道过渡区：AP@0.5=93.4%
- 处理延迟：
- 平均端到端延迟：23.5ms
- 99分位延迟：35.2ms
- 功耗表现：
- 典型功耗：28W
- 峰值功耗：42W
5. 典型问题排查指南
5.1 电弧误检问题
现象：雨滴反射导致误报
解决方案：
- 增加光谱分析模块
- 时域连续性校验（真实电弧持续3帧以上）
- 空间分布特征过滤（真电弧呈线性分布）
5.2 模型量化精度损失
现象：FP16量化后小目标漏检
优化方案：
python复制# 混合精度量化策略
quant_config = {
'weight_quantizer': {
'bit_width': 16,
'per_channel': True
},
'activation_quantizer': {
'bit_width': 16,
'per_channel': False,
'scale_approx_bits': 8 # 关键参数
}
}
6. 系统集成注意事项
- 相机安装规范：
- 俯仰角：30±5度
- 距受电弓水平距离：1.2-1.5m
- 防护等级：IP67以上
- 环境适应性处理：
- 防震：采用硅胶减震支架
- 防电磁干扰：双层屏蔽线缆
- 温度控制：内置PTC加热器（-40℃~70℃）
- 维护周期建议：
- 每月：镜头清洁检查
- 每季度：焦距校准
- 每年：整体标定
这套系统在某地铁线路连续运行6个月，成功预警37次潜在故障，相比传统人工巡检方式将故障识别率提升了8倍。实际部署中发现，动态ROI算法对弯道段的适应性仍需优化，我们正在开发基于轨旁辅助定位的增强方案。