基于计算机视觉的铁路扣件异常检测系统PPT陈述稿

各位尊敬的老师，亲爱的同学们:

大家好!我是来自XX大学的学生Xxx.很荣幸今天能为大家介绍我们产品——基于计算机视觉的轨道扣件异常检测系统。接下来，我将分别从产品背景、产品介绍、市场营销、财务计划、风险对策几个方面为大家详细介绍本产品。

首先是计算机视觉的轨道扣件异常检测系统的研发背景。众所周知，轨道扣件是轨道的重要组成部分，在实际的轨道线路中，轨道扣件会发生丢失或者断裂，这将直接影响火车的安全运行。因此，轨道扣件的检测是日常轨道运维的重要方面。

但目前看来，普通轨道扣件的检测主要依靠人工检查的方法，效率、工作量和可靠性都较差，缺乏切实可行的自动化检测手段和方法。尤其是个别新轨道线路的运营时间不长，缺乏专门的安全管理部门。此外，除了沿线各种因素和轨道周边环境的复杂限制外，警路联通的并行专业岗位也很少。且高速轨道的很大一部分处于高架或封闭的保护区内，人工巡检的安全性不高。

值得注意的是，近年来，随着计算机技术的飞速发展，计算机图形学、图像处理技术、模式识别技术和人工智能技术得到了提高，实现轨道线路自动检测已经具备了良好的技术条件。目前图像处理技术、模式识别技术等在日常生活的各个领域都是研究的热点。因此，利用计算机对轨道扣件进行自动检测具有重要的理论和实践意义。

在本产品的简要介绍中，首先需要提及的就是运用的手段和技术。

即，将反映图像多尺度下的轮廓结构信息的PHOG特征与反映图像局部纹理信息的LBP特征进行信息融合，并利用实际获取的原始图像创建了扣件识别算法的测试样本库，验证算法的有效性。实验结果表明，该方法可以有效解决现有扣件位置算法的位置面积过大的问题，不受光线和线条弯曲的影响，具有较好的应用价值。

根据已经验证的计算机视觉技术的轨道扣件检测算法，以下是本产品扣件检测的一般流程介绍。首先，通过在车底或无人机等巡线设备上安装扫描数码相机，获得视频信号序列，然后，将得到的长视频信号序列预处理为图像储备。以上是本产品生成的样本部分图片。

接着，又在原始轨道图像中确定铁轨和钢轨枕的位置，并根据它们之间的位

置关系定位扣件。然后，在扣件定位图像的基础上，基于扣件上下边缘提取图像边缘信息，通过对梯度图像作为模板运算，突出图像边缘特征，抑制噪声的影响，从而实现精确定位。

考虑到单一特征易受噪声和光照影响，识别率较低，因此本文采用了反映图像多尺度轮廓结构信息的PHOG特征和图像局部纹理信息的LBP特征进行数据融合。与单一特征相比，融合特征具有更好的识别效果。

从图上清晰可见，图a是从视频中分解得到的图像;图b是PHOG特征处理后的图像;图c是经LBP特征处理后所得的图像;最后，得出最终识别结果。由此可见，该产品的识别效果卓越。

大家当前所见，是我们部分代码的展示。由于需要对大量的图像进行采样和训练，因此，如何保证图片质量就是一个关键的问题。本文采用了基于openCV的视频分解方法。下面是一个程序转换100s视频到1000幅图像，将生成的1000张照片作为正样本，如图一所示。生成的2500张负样本将作为下一步PHOG-LBP训练的数据。

当然，好的产品还是需要通过有力的市场营销，才能进入大众视野，影响到大众的生活。以下是我们团队对该产品进行营销的成果及阶段展示。

本产品的推广对象主要为国内铁路公司、城市地铁轻轨公司、以及部分地方铁路。目前与我校保持校企合作的单位较多其中部分企业已于本产品达成合作意向，现已进入试验阶段，具体包括:

沈阳铁路局吉林供电段

沈阳铁路局长春供电段

沈阳铁路局长春电务段

等。

未来，该产品距离推广使用还有很长的一段距离。但从当前的成果来看，其发展前途仍然光明。

在相关的财务计划方面，我们把当前的资金主要应用于产品开发所需费用、产品的维护以及服务器的搭建、专利申报和维护等；以及，产品营销过程中，对于产品的推广等所需要的费用。

当前，本产品的收入主要依据铁路公司和地铁、轻轨公司需求。由于本产

品不仅可以应用在扣件识别领域，也可以针对需求适当调整进行其他零部件异常检测，可应用领域广。因此，在收入的实现上，还有很大提升空间。

在产品的风险对策方面，我们也做出了相应的预算，主要包括研发风险和行业竞争风险。其中，研发风险又可以分为以下几大类:工期、技术问题、需求的调研是否深入透彻问题、实现技术手段是否能够同时满足性能要求的问题。

在工期风险中，我们主要考虑的是:能否在规定的工期内上交项目。很多情况下，在工期的压力下，放弃文档的书写、组织，结果在工程的晚期，大量需要文档进行协调的工作时，致使软件进度越来越慢。

在技术问题，我们考虑到:在开发过程中，不同的工程阶段，需要的人员不同，需要配合的方面也不同。因此，各部门应该协调配合，并对所遇到的困难进行攻克。所有这些都需要行之有效的软件管理的保证。

在关于需求的调研是否深入透彻问题上，我们坚持认为:软件的需求是确保软件正确反映用户的对软件使用的重要的文档，探讨软件需求是软件开发的起始点。但软件的需求却会贯穿整个软件的开发过程，软件管理需要对软件需求的变化进行控制和管理，一方面保证软件需求的变化不至于造成软件工程的一改再改而无法按期完成；同时又要保证开发的软件能够为用户所接受。软件管理需要控制软件的每个阶段进行的成度，不能过细造成时间的浪费，也不能过粗，造成软件缺陷。

最后，在实现技术手段是否能够同时满足性能要求的问题上，我们认为:软件的构造需要对软件构造过程中的使用的各种技术进行评估。软件构造技术通常是这样：最成熟的技术，往往不能体现最好的软件性能；先进的技术，往往人员对其熟悉程度不够，对其中隐含的缺陷不够明了。

而在行业竞争风险中，我们主要从当前计算机视觉识别市场的发展阶段，以及根据市场细分来分析竞争份额。

我们可以看到整个计算机视觉识别市场大体的分类已经形成并趋向稳定，市场的确有热火朝天的发展趋势，但除了基于人脸识别的移动支付之外，众多计算机视觉企业都还没有找到合适的盈利模式。

而据我们目前所掌握的资料来看，目前铁路行业应用计算机视觉的配合巡线只是凤毛菱角，其市场份额并不高。对此，我们产品做出了与众不同的创意