鄒朝輝，張 呈

(中國(guó)鐵路廣州局集團(tuán)有限公司 廣州貨運(yùn)中心，廣東 廣州 510450)

隨著科學(xué)技術(shù)的飛速發(fā)展，人工智能技術(shù)突飛猛進(jìn)，應(yīng)用范圍不斷擴(kuò)大。通過(guò)人工智能技術(shù)，可以提高安檢機(jī)對(duì)危險(xiǎn)品的識(shí)別率，降低作業(yè)人員的勞動(dòng)強(qiáng)度，減少人為誤差，提升貨運(yùn)安檢工作水平和安檢查危效率。因此，依托人工智能打造智慧型鐵路貨運(yùn)安檢成為趨勢(shì)。

1 鐵路貨運(yùn)安檢查?，F(xiàn)狀

1.1 主要卡控手段

當(dāng)前鐵路貨運(yùn)企業(yè)主要通過(guò)各工序間互控的逐級(jí)卡控手段，層層互控，以保證貨物和運(yùn)輸安全。鐵路貨運(yùn)安檢查危的主要卡控手段包括“嚴(yán)格受理承運(yùn)”和“強(qiáng)化安全檢查”。安檢查危流程如圖1如示。

（1）嚴(yán)格受理承運(yùn)。一是加強(qiáng)對(duì)客戶宣傳；二是實(shí)行“實(shí)名制”運(yùn)輸；三是發(fā)站從嚴(yán)加強(qiáng)安檢查危。

（2）強(qiáng)化安全檢查。貨運(yùn)辦理站在收貨驗(yàn)貨環(huán)節(jié)需進(jìn)行安全檢查，認(rèn)真執(zhí)行“看、聞、核、辯、驗(yàn)”5字安檢工作法，實(shí)行百分百貨物安全檢查，對(duì)可視檢的貨物按批進(jìn)行抽檢。安檢方式分為過(guò)機(jī)檢查、開(kāi)包檢查、目測(cè)檢查3種。貨物符合辦理?xiàng)l件后，安檢人員對(duì)相關(guān)單據(jù)進(jìn)行簽章，工作人員通過(guò)核查單據(jù)上是否簽章來(lái)判定該批貨物是否經(jīng)安全檢查合格。

1.2 存在問(wèn)題

雖然鐵路企業(yè)在貨運(yùn)安檢查危工作上取得了較大進(jìn)步，但受客觀條件限制，其效率和準(zhǔn)確性仍需要提高。

圖1 安檢查危流程圖Fig.1 The flow chart of security check

（1）安檢工作勞動(dòng)效率有待提高。鐵路貨運(yùn)營(yíng)業(yè)站點(diǎn)眾多，安檢與監(jiān)控設(shè)備無(wú)法及時(shí)到位，對(duì)于配備了安檢與監(jiān)控設(shè)備的貨運(yùn)站點(diǎn)，鐵路貨運(yùn)營(yíng)業(yè)站對(duì)危險(xiǎn)物品的查堵完全依賴于作業(yè)人員對(duì)安檢儀圖像的判斷，對(duì)操作人員業(yè)務(wù)素質(zhì)提出了很高的要求。而鐵路貨運(yùn)作業(yè)一般都在深夜或凌晨，貨物排列過(guò)密，過(guò)機(jī)時(shí)間短、勞動(dòng)強(qiáng)度大、易產(chǎn)生視覺(jué)疲勞等客觀不利因素都給判斷帶來(lái)了一定的影響。此外，針對(duì)集裝箱貨物的安檢查危手段單一，主要通過(guò)開(kāi)箱、開(kāi)包檢查，作業(yè)量大、耗時(shí)長(zhǎng)、勞動(dòng)效率較低[1]。

（2）傳統(tǒng)圖像技術(shù)不能有效判別掃描圖像中的物品。在實(shí)際工作中，貨物擺放不規(guī)則甚至存在重合堆碼，安檢儀射線的成像原理存在與普通攝像機(jī)畫面明顯不同的特點(diǎn)，無(wú)法有效地進(jìn)行貨物特征提取[2]；貨物種類繁多決定了顏色呈現(xiàn)復(fù)雜，很多貨物顯色相似，難以人為鎖定顏色特征，完全依靠操作人員卡控危險(xiǎn)品難度大[3]。

2 鐵路貨運(yùn)安檢查危人工 智能應(yīng)用

2.1 人工智能

近年來(lái)，人工智能作為當(dāng)今世界最為前沿的技術(shù)，在深度學(xué)習(xí)圖形圖像識(shí)別處理上具有獨(dú)特優(yōu)勢(shì)，而鐵路貨運(yùn)安檢查危中涉及到大量的圖像查驗(yàn)，使用X射線檢查設(shè)備實(shí)現(xiàn)非入侵式查驗(yàn)，這兩者具有非常好的結(jié)合點(diǎn)。

深度學(xué)習(xí)是人工智能領(lǐng)域的重要分支，是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，是以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的一種更為深層次并且更加復(fù)雜的網(wǎng)絡(luò)模型[4]。深度學(xué)習(xí)是通過(guò)模擬人腦分析、學(xué)習(xí)的過(guò)程而建立的一種神經(jīng)網(wǎng)絡(luò)，它實(shí)際上就是在模仿人腦的思維機(jī)制對(duì)圖像、聲音和文本等數(shù)據(jù)進(jìn)行直觀表達(dá)和解釋。21世紀(jì)以來(lái)，隨著計(jì)算機(jī)科學(xué)的不斷進(jìn)步，制造工業(yè)水平的不斷提升，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間得到了大幅縮減，應(yīng)用范圍不斷擴(kuò)大。深度學(xué)習(xí)通過(guò)輸入層大量數(shù)據(jù)的訓(xùn)練構(gòu)造復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，形成隱層，從而產(chǎn)生相應(yīng)的輸出。深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 The neural network structure of in-depth learning

深度學(xué)習(xí)分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)，鐵路貨運(yùn)安檢查?？梢猿浞謶?yīng)用深度學(xué)習(xí)中的深度監(jiān)督學(xué)習(xí)。深度監(jiān)督學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型具有局部感知野、特點(diǎn)權(quán)值共享2個(gè)特點(diǎn)。卷積神經(jīng)網(wǎng)絡(luò)只對(duì)局部進(jìn)行感知，然后在更高層將局部的信息綜合起來(lái)得到全局的信息，這就是局部感知野；如果參數(shù)仍然過(guò)多，特點(diǎn)權(quán)值共享就可以進(jìn)一步發(fā)揮作用。權(quán)值共享，即給一張輸入圖片，用一個(gè)卷積核去掃這張圖，卷積核里面的數(shù)就叫權(quán)重，這張圖每個(gè)位置是被同樣的卷積核掃的，權(quán)重是一樣的，也就是共享。卷積神經(jīng)網(wǎng)絡(luò)的這2個(gè)特點(diǎn)實(shí)現(xiàn)了對(duì)數(shù)據(jù)的降維，使得神經(jīng)網(wǎng)絡(luò)在圖形圖像方面應(yīng)用的計(jì)算量大幅減少，提高了計(jì)算效率，使之應(yīng)用于鐵路貨運(yùn)安檢查危成為可行。

2.2 人工智能應(yīng)用

路貨運(yùn)過(guò)機(jī)安檢、圖像和視頻識(shí)別的人工智能應(yīng)用，將大大提高鐵路貨運(yùn)安檢效率，降低勞動(dòng)強(qiáng)度。

2.2.1 人工智能輔助過(guò)機(jī)安檢

基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)網(wǎng)絡(luò)，模擬人類學(xué)習(xí)和識(shí)別的方法，系統(tǒng)可以自動(dòng)學(xué)習(xí)危險(xiǎn)品的圖像特征。

（1）系統(tǒng)結(jié)構(gòu)。通過(guò)在各作業(yè)點(diǎn)之間建立數(shù)據(jù)庫(kù)聯(lián)網(wǎng)，安檢數(shù)據(jù)實(shí)時(shí)上傳至數(shù)據(jù)庫(kù)，對(duì)數(shù)字化的安全信息進(jìn)行大數(shù)據(jù)分析，以大數(shù)據(jù)鍛煉人工智能算法的辨別能力和機(jī)器深度學(xué)習(xí)的迭代升級(jí)。人工智能安檢系統(tǒng)結(jié)構(gòu)如圖3所示。在前端的檢查設(shè)備處部署識(shí)別節(jié)點(diǎn)，識(shí)別節(jié)點(diǎn)用于實(shí)時(shí)對(duì)掃描圖像進(jìn)行自動(dòng)判別，通過(guò)識(shí)別客戶端系統(tǒng)展示識(shí)別結(jié)果和報(bào)警。識(shí)別客戶端將結(jié)果傳送至大數(shù)據(jù)云端。終端可對(duì)權(quán)限內(nèi)的識(shí)別結(jié)果進(jìn)行查詢、統(tǒng)計(jì)分析，并可對(duì)權(quán)限內(nèi)的識(shí)別節(jié)點(diǎn)進(jìn)行管理。

圖3 人工智能安檢系統(tǒng)結(jié)構(gòu)Fig.3 The structure of artificial intelligence security check system

（2）神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練。神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練是系統(tǒng)的關(guān)鍵任務(wù)之一。通過(guò)對(duì)網(wǎng)絡(luò)的調(diào)參，訓(xùn)練出準(zhǔn)確度高、泛化能力好的參數(shù)是系統(tǒng)能夠很好應(yīng)用的關(guān)鍵。通過(guò)采集大量的掃描圖像，對(duì)圖像中的目標(biāo)進(jìn)行標(biāo)定，送入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終得到需要的神經(jīng)網(wǎng)絡(luò)模型(實(shí)際是大數(shù)據(jù)下形成的危險(xiǎn)品參數(shù))。實(shí)際應(yīng)用中通過(guò)將實(shí)際待檢圖像與模型進(jìn)行計(jì)算，獲得識(shí)別分類輸出。

（3）系統(tǒng)識(shí)別能力。鐵路使用安檢機(jī)主要用于查處危險(xiǎn)品危險(xiǎn)貨物，通過(guò)提供足夠數(shù)量和形態(tài)的掃描圖像進(jìn)行訓(xùn)練，系統(tǒng)能夠較準(zhǔn)確地識(shí)別掃描圖像中的目標(biāo)物體，能夠?qū)ψR(shí)別目標(biāo)進(jìn)行報(bào)警輸出，提醒人工進(jìn)行開(kāi)包開(kāi)箱查驗(yàn)和確認(rèn)，在實(shí)際調(diào)試過(guò)程中出現(xiàn)錯(cuò)報(bào)、漏報(bào)的，通過(guò)人工輔助查驗(yàn)和干預(yù)進(jìn)行修正，降低人工判圖的勞動(dòng)強(qiáng)度，避免人工長(zhǎng)時(shí)間疲勞判圖帶來(lái)的漏判，與人工判圖形成互補(bǔ)，通過(guò)不斷調(diào)整誤差，實(shí)現(xiàn)自動(dòng)化查驗(yàn)判圖[5]。

2.2.2 人工智能輔助圖像識(shí)別

圖像識(shí)別技術(shù)是人工智能的一個(gè)重要分支。每個(gè)圖像都有自己的特征，圖像識(shí)別就是模擬人類圖像識(shí)別活動(dòng)的計(jì)算機(jī)程序，立足于大數(shù)據(jù)，通過(guò)識(shí)別圖像主要特征，利用數(shù)學(xué)模型對(duì)圖像特征進(jìn)行識(shí)別、表達(dá)。隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，大數(shù)據(jù)背景下產(chǎn)生的圖像數(shù)據(jù)，傳統(tǒng)的識(shí)別方法已經(jīng)不能滿足我們的需求。深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)多層的網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)模擬人腦，能夠基于大數(shù)據(jù)快速的自動(dòng)學(xué)習(xí)和提取特征，可以充分發(fā)揮大數(shù)據(jù)的優(yōu)勢(shì)，大大提高安檢查危效率和準(zhǔn)確性，圖像識(shí)別給鐵路貨運(yùn)安檢查危工作帶來(lái)了新的思路和機(jī)遇。

由于集裝箱裝載的貨物不適用于過(guò)機(jī)安檢，專用的集裝箱安檢設(shè)備輻射過(guò)大，因而集裝箱貨物的安檢查危主要以裝箱照片審核、人工開(kāi)箱和開(kāi)包檢查為主，安檢查危效率較低。

照片審核工作的本質(zhì)，實(shí)際上是人工對(duì)包裝儲(chǔ)運(yùn)圖示標(biāo)志進(jìn)行識(shí)別，通過(guò)識(shí)別貨物外包裝明顯標(biāo)識(shí)，客戶提供和現(xiàn)場(chǎng)檢查產(chǎn)生的大量照片與人工智能在圖像識(shí)別領(lǐng)域的應(yīng)用有很好的結(jié)合點(diǎn)。依靠圖像識(shí)別和卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)能力，通過(guò)對(duì)包裝儲(chǔ)運(yùn)圖示標(biāo)志的特征點(diǎn)進(jìn)行學(xué)習(xí)、分類，讓系統(tǒng)學(xué)會(huì)辨明包裝儲(chǔ)運(yùn)圖示標(biāo)志的邏輯[6]。判圖系統(tǒng)邏輯如圖4所示。

基于卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力的圖像識(shí)別技術(shù)，可以讓安檢系統(tǒng)既快又精確地學(xué)會(huì)識(shí)別圖示標(biāo)志，在短期內(nèi)投入使用，有效降低作業(yè)人員勞動(dòng)強(qiáng)度，減少因判圖失誤、遺漏造成的安全隱患，還能很大程度上縮短判圖時(shí)間，提高判圖效率和作業(yè)站點(diǎn)的運(yùn)輸組織效率，提升客戶滿意度。

圖4 判圖系統(tǒng)邏輯Fig.4 Logic of graph discrimination

2.2.3 人工智能輔助視頻識(shí)別

鐵路貨物運(yùn)輸?shù)膹?fù)雜性，注定了僅依靠照片審核和過(guò)機(jī)安檢并不能完全保證貨物和運(yùn)輸安全。因此，對(duì)裝箱、裝車過(guò)程的全過(guò)程視頻監(jiān)督是必要的，尤其是對(duì)站外裝箱點(diǎn)的實(shí)時(shí)監(jiān)督，但在實(shí)際作業(yè)過(guò)程中由于站外裝箱點(diǎn)過(guò)多、過(guò)于分散，站外裝箱點(diǎn)的全過(guò)程監(jiān)督無(wú)法實(shí)現(xiàn)，這也是鐵路貨運(yùn)安檢查危的一大局限。安檢查危是保障貨物和運(yùn)輸安全的因素之一，但偏載、偏重、集重、貨物倒塌等問(wèn)題也會(huì)危及貨物和運(yùn)輸安全，這也是照片審核和過(guò)機(jī)安檢的局限性。

視頻識(shí)別技術(shù)是利用設(shè)備和現(xiàn)場(chǎng)的攝影設(shè)備傳送裝箱、裝車視頻的數(shù)字圖像信息，對(duì)攝像機(jī)拍攝到的視頻進(jìn)行背景提取，再經(jīng)過(guò)圖像灰度處理、圖像濾波去噪、圖像增強(qiáng)處理、圖像矯正處理等技術(shù)進(jìn)行圖像預(yù)處理，將圖像進(jìn)行“特征圖像定位”“圖像識(shí)別”等過(guò)程，將結(jié)果呈現(xiàn)出來(lái)的實(shí)時(shí)識(shí)別技術(shù)[7]。

基于卷積神經(jīng)網(wǎng)絡(luò)的視頻識(shí)別技術(shù)可以讓系統(tǒng)學(xué)會(huì)如何判斷貨物裝載是否穩(wěn)固、貨物擺放方式是否與包裝儲(chǔ)運(yùn)圖示標(biāo)志的要求相符、是否夾帶危險(xiǎn)品、是否存在偏載偏重風(fēng)險(xiǎn)，自動(dòng)判別箱內(nèi)貨物的危險(xiǎn)系數(shù)，最終實(shí)現(xiàn)對(duì)裝箱過(guò)程的全程監(jiān)督[8]。

3 結(jié)束語(yǔ)

隨著科學(xué)技術(shù)的日益發(fā)展和設(shè)施設(shè)備的更新?lián)Q代，鐵路貨運(yùn)安檢必將向更智能、更精確、更高效、更貼合實(shí)際需求的方向發(fā)展。目前人工智能輔助識(shí)別危險(xiǎn)品的技術(shù)已經(jīng)在海關(guān)、機(jī)場(chǎng)查堵違禁品工作中嶄露頭角，在鐵路客運(yùn)安檢中也在進(jìn)行初步的探索和實(shí)踐。鐵路貨運(yùn)安檢相較于客運(yùn)安檢而言，品類更為繁雜、安檢難度更大，而且受設(shè)備投入成本和技術(shù)普及程度的影響，智慧安檢的實(shí)施還需要克服很多困難。依托人工智能打造智慧型鐵路貨運(yùn)安檢，順應(yīng)了中國(guó)鐵路打造“智慧鐵路”的大趨勢(shì)，隨著人工智能的不斷發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間的不斷縮減，鐵路貨運(yùn)安檢設(shè)備的完善，鐵路貨運(yùn)安檢查危人工智能應(yīng)用還將逐步深化。