铁路货车的数量是多少?
铁路货车编号是铁路货车主体上与车辆“有效身份证”相对应的一系列编号。它是铁路信息管理的关键,也是快速准确地评估车辆位置和使用情况的重要依据,这直接影响列车的调度和指挥,列车的运行,卡车的实时跟踪管理,卡车的计费占用费和其他联系方式,这不仅会降低铁路卡车的整体运营效率,而且在严重的情况下还会导致交通事故并带来灾难性后果。
(图片1:铁路货车编号示例)
繁琐且容易出错的车号验证
为了保持车辆性能,减少隐患并延长车辆使用寿命,必须定期检修铁路货车。传统的手动卡车检查和维修是一种重复,无聊的操作,并且非常容易执行错误和遗漏功能,即重新粉刷和验证车号。喷漆完成后,操作员必须去现场拍摄“完成车”的图片,即在所有过程中使用的汽车14个零件的图片存档时,您将需要创建一个以车辆命名的新文件夹编号与当天计划的车号相对应,然后组织并检查每辆车,每辆车必须检查4张车号照片。
仅中铁武汉局集团有限公司襄阳段就有10,000余辆需要人工维护和重涂油漆的有轨电车,按每天30辆计算,需要分类存档420张照片和车号每天检查120次。想象一下工作量和错误率。
(照片2:许多零件必须拍照以进行检查。)
技术人员的神奇力量
襄阳车厂的许多同事都知道,一线工人李桑玉具有技术背景,因为他使用了物联网并参加了比赛。有一天,李桑玉突然接到同事的要求:油漆队的工头特地来找我,说每年喷错车号,有时找不到质量检查合格,请问是否可以就像汽车牌照识别一样,建造铁路货运汽车号码识别设备,让机器代替手册,并减少人为错误。”
李相玉知道车号验证的问题不容忽视,因此开始学习计算机识别技术。“大型地下停车场的车牌识别机大多使用传统的图像识别技术-字符分割,但是我大学毕业了,我还没有联系过OpenCV,我知道字符分割不适合在光线混乱的场景中进行手动摄影。准确性会受到曝光的影响。效果太大。我也考虑过OCR检测,但是它的准确性不高,经常无法检测到或出错。因此,我尝试使用深度学习框架。”
(图3:一般OCR识别效果)
舵支持-快速发展,直接降落
“经过多维比较后,我们最终决定使用百度飞船。由于在飞船AIStudio培训平台上有许多实际的中文案例,因此初学者不仅会发现技术门槛,而且拳击也将大大减少。更多的精力是“在第一个工业级开放,开放且功能齐全的深度学习平台PaddlePaddle上,李桑玉使用目标识别算法(PP-YOLO)来识别车辆编号范围,并逐一调整车辆编号,结合字符的定位和匹配来计算车辆编号,整个识别过程快速而准确。“就目前的带有飞板的目标识别算法而言,它只能识别一个数字,因此不会错误地识别车辆模型也不会对射角有太大影响。通过测试和验证,识别准确率为97%。”李桑玉的识别系统成功使用并开始支持车间作业,从根本上解决了传统的人工识别易受错误和能耗等困扰的问题,大大提高了测试效率。李桑玉一个人完成了“铁路货车标记自动识别”项目。该过程非常顺利,从数据集的创建到模型的训练到导出,再到百度飞板背后也有着千丝万缕的联系。除了易于使用和良好的应用程序效果外,飞达还为开发人员提供了一个QQ小组,用于在线交流和发布设置。同时,还有专业技术人员可以协助您回答问题并帮助任何开发人员顺利交付项目。
(图4:使用识别飞行桨叶目标的算法进行模型识别)
不久前,由国家深度学习技术与应用工程实验室和百度共同主办的WAVESUMMIT + 2020年深度学习开发者峰会的特色是十多个项目,其中包括李桑玉开发的“自动”项目。铁路货车品牌获得“飞板”工业应用创新奖,借助飞板平台,越来越多的开发人员克服了项目难题,完成了从数字化到自动化,智能化的快速发展,使整个过程成为现实。工业智能化得到了加速。
(图5:划船业的奖牌和应用创新奖)
到目前为止,百度飞达已聚集265万开发人员,为超过10万家公司提供服务,平台上的模型超过340,000种,涵盖通信,能源,城市管理,民生,工业,农业和林业,公益事业等行业和领域。。正如百度首席技术官兼国家深度学习技术与应用工程实验室主任王海峰所说,该行业正处于以深度学习为代表的人工智能发展浪潮中,它也已成为推动开源和开放的主要力量,开源软件已经涵盖了企业计算和智能的方方面面,从大数据,云计算,人工智能,深度学习平台到各种智能应用程序,开源软件的类别将大大扩展,其成熟度和可靠性将达到进一步改善。企业应用技术效率和创新效率得到了极大提高。