用于在铁路环境中检测储罐的系统及方法与流程

1.本公开总体上涉及检测储罐，更具体地，涉及一种用于在铁路环境中检测储罐的系统及方法。


背景技术：

2.某些铁路公司禁止在其财产上储存无水氨等危险材料。铁路检查员可以通过常规财产检查来识别包含危险材料的储罐。然而，由于时间和人力等资源有限，铁路财产上储存危险材料的储罐可能未被发现。


技术实现要素：

3.根据一实施例，一种方法包括通过图像检测工具识别铁路环境的图像中的储罐；以及通过图像检测工具识别铁路环境的所图像中的铁路轨道的步骤。方法还包括通过图像检测工具确定储罐与铁路轨道之间的距离；以及通过图像检测工具将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。方法还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，通过图像检测工具确定储罐对铁路环境造成危险的步骤。
4.在特定实施例中，方法包括确定储罐与铁路轨道之间的距离小于或等于预定阈值距离的步骤。例如，预定阈值距离可以为50英尺。在一些实施例中，方法包括通过图像检测工具基于储罐与铁路轨道之间的距离将危险分类为高风险、中等风险或低风险的步骤。例如，高风险可以与0至20英尺之间的距离相关；中等风险可以与21至30英尺之间的距离相关；低风险可以与31至50英尺之间的距离相关。
5.在特定实施例中，方法可以包括由图像检测工具生成警报的步骤。警报可以包括以下中的至少一个：危险的指示；与危险相关的风险等级的指示；储罐的描述；储罐的位置；储罐与铁路轨道之间的距离；铁路环境的图像；拍摄铁路环境的图像的时间；以及拍摄铁路环境的图像的日期。在一些实施例中，方法包括训练图像检测工具以使用机器学习模型来识别储罐。
6.在特定实施例中，图像由安装到在铁路环境中沿着铁路轨道行驶的火车车厢的相机拍摄。火车车厢可以是以下之一：机车；或几何车厢。在一些实施例中，图像包括铁路轨道和一个或多个其他铁路轨道，铁路轨道比一个或多个其他铁路轨道更靠近储罐，并且储罐与铁路轨道之间的距离是在平面图中从铁路轨道的外轨的中心线到储罐的外边缘的最短测量距离。
7.根据另一实施例，装置包括一个或多个处理器和存储指令的存储器，当指令由一个或多个处理器执行时，使一个或多个处理器执行在铁路环境的图像中识别储罐的操作。操作还包括识别铁路环境的图像中的铁路轨道以及确定储罐与铁路轨道之间的距离的步骤。操作还包括将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。操作还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，确定储罐对铁路环境造成危险的步骤。
8.根据又另一实施例，一种或多种计算机可读存储介质包含指令，当指令由处理器执行时，使处理器执行在铁路环境的图像中识别储罐的操作。操作还包括识别铁路环境的图像中的铁路轨道以及确定储罐与铁路轨道之间的距离的步骤。操作还包括将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。操作还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，确定储罐对铁路环境造成危险的步骤。
9.本公开的某些实施例的技术优势可以包括以下一个或多个。本文描述的某些系统和方法包括自动检测位于铁路轨道附近的储罐的图像识别工具，其通过减少人工检查所需的人力和时间来提高效率。自动检测位于铁路轨道附近的储罐通过识别铁路轨道附近的潜在危险材料来提高安全性。在某些实施例中，储罐的自动检测减少了由于危险材料造成的环境风险。
10.从以下附图、描述和权利要求中，其他技术优势对于本领域技术人员来说将显而易见。此外，虽然上面列举了具体的优势，但各种实施例可以包括所有优势、一些优势或不包括所列举的优势。
附图说明
11.为了帮助理解本公开，现在参考以下结合附图的描述，其中：
12.图1示出用于检测铁路环境中的储罐的示例系统；
13.图2示出可由图1的系统使用的示例图像；
14.图3示出用于检测铁路环境中的储罐的示例方法；以及
15.图4示出可由本文描述的系统及方法使用的示例计算机系统。
具体实施方式
16.图1至图4示出用于检测铁路环境中的储罐的示例系统及方法。图1示出用于检测铁路环境中的储罐的示例系统，图2示出可由图1的系统使用的示例图像。图3示出用于检测铁路环境中的储罐的示例方法。图4示出可由本文描述的系统及方法使用的示例计算机系统。
17.图1示出用于检测铁路环境中的储罐的示例系统100。图1的系统100包括网络110、铁路环境120、铁路轨道130(即，铁路轨道130a和铁路轨道130b)、火车车厢140、相机150、图像检测工具180和训练模块190。系统100或其部分可以与实体相关联，所述实体可以包括可以检测铁路环境中的储罐的任何实体，例如企业、公司(例如，铁路公司、运输公司等)或政府机构(例如，运输部、公共安全部等)。虽然图1所示的实施例与铁路系统相关联，但系统100可以与任何合适的运输系统(例如，车辆/道路、船只/水道等)相关联。例如，系统100可用于检测道路、水道等附近(例如，50英尺以内)的储罐。可以使用硬件、固件和软件的任何适当组合来实现系统100的组件。例如，系统100的一个或多个组件可以使用图4的一个或者多个组件。
18.系统100的网络110可以是促进系统100的组件之间的通信的任何类型的网络。例如，网络110可以将系统100的相机150连接到系统100的图像检测工具180。作为另一示例，网络110可以将系统100的图像检测工具180连接到系统200的训练模块190。网络110的一个或多个部分可以包括自组织网络、内联网、外联网、虚拟专用网络(vpn)、局域网(lan)、无线
局域网(wlan)、广域网(wan)、无线广域网(wwan)、城域网(man)、互联网的一部分、公共交换电话网络(pstn)的一部分、蜂窝电话网络、3g网络、4g网络、5g网络、长期演进(lte)蜂窝网络、这些网络中的两个或多个的组合或其他合适类型的网络。网络110的一个或多个部分可以包括一个或多个接入(例如，移动接入)、核心和/或边缘网络。网络110可以是任何通信网络，例如专用网络、公共网络、通过互联网的连接、移动网络、wi-fi网络、蓝牙网络等。网络110可以包括云计算能力。系统100的一个或多个组件可以通过网络110进行通信。例如，相机150可以通过网络110进行通信，包括向图像检测工具180发送信息(例如，图像182)和/或从图像检测工具180接收信息(例如，警报)。作为另一示例，训练模块190可以通过网络110进行通信，包括向图像检测工具180发送信息(例如，训练图像192)。
19.系统100的铁路环境120是包括一个或多个铁路轨道130的区域。铁路环境120可以与分区、细分、区域、分支等相关联。分区是在主管监督下的铁路部分。细分是部门的较小部分。细分可以是船员区和/或支线。在图1所示的实施例中，铁路环境120包括铁路轨道130、火车车厢140、相机150和储罐170(即，储罐170a和储罐170b)。
20.系统100的铁路轨道130是通过提供用于火车车厢140的车轮滚动的表面而允许火车车厢140移动的结构。在某些实施例中，铁路轨道130包括轨道、紧固件、铁路枕木、道碴等。火车车厢140是在铁路运输系统上运载货物和/或乘客的车辆。在某些实施例中，火车车厢140耦合到其他火车车厢以形成火车。火车车厢140可以是几何车厢(例如，轨道几何车厢)、机车、客车、货车、箱车、平板车、油罐车等。
21.在图1所示的实施例中，火车车厢140沿着铁路轨道130b在行驶方向160(例如，向南)上移动。在一些实施例中，铁路环境120的铁路轨道130a与铁路环境120中的铁路轨道130b相邻(例如，平行)。在一些实施方案中，火车车厢140可以沿着铁路轨道130a与行驶方向160相反的方向(例如，向北)移动。在一些实施例中，火车车厢140可以沿着铁路轨道130a在行驶方向160(或行驶方向160的相反方向)上移动。
22.系统100的相机150是自动拍摄静止或移动图像182的组件。相机150可以包括一个或多个镜头、传感器、光学器件、照明元件等。在某些实施例中，相机150提供高分辨率、360度的视觉覆盖。相机150可以实时或接近实时地拍摄图像182。例如，相机150可以拍摄铁路环境120的对象(例如，储罐170a和/或储罐170b)的图像182，并在少于预定时间量(例如，一秒、五秒、十秒或任何其他适当时间量)内将图像182传送到相机150外部的组件(例如，图像检测工具180或训练模块190)。在一些实施例中，相机150跟踪每个图像182被拍摄的时间和/或日期。例如，相机150可以用拍摄图像182的时间和/或日期来标记每个拍摄的图像182。
23.在某些实施例中，相机150自动拍摄系统100的铁路环境120的图像182。当火车车厢140沿着铁路轨道130b移动时，相机150可以自动拍摄静止或运动图像182。相机150可以自动拍摄任何合适数量的静止或运动图像182。例如，相机150可以每秒、每分钟、每小时等自动拍摄预定数量的图像182。在某些实施例中，相机150自动拍摄足够数量的图像182，以阿披实预定区域(例如，分区、细分或任何其他合适区域)内的铁路轨道130b的整个长度。
24.系统100的相机150连接到火车车厢140。相机150可以在任何合适的位置连接到火车厢140，以提供铁路轨道130b的清晰视图。例如，相机150可以附接到火车车厢140的后端(例如，后挡风玻璃、车顶等)以提供铁路轨道130b的后视图。作为另一示例，相机150可以附
接到火车车厢140的前端(例如，前挡风玻璃)以提供铁路轨道130b的前视图。
25.系统100的储罐170(即，储罐170a和储罐170b)是储存容器，其容纳用于短期或长期储存的材料(例如，液体、压缩气体、化学品等)。在某些实施例中，储罐170存储危险材料。例如，储罐170可以储存有毒和/或毒物吸入危害(例如，无水氨)、烯丙基氯、苯、二硫化碳、四氯化碳、氯苯、氯苄基氯、氯仿、二氯丙烯、环氧氯丙烷、氯乙烷、二氯乙烯、甲基氯仿(三氯乙烷)、二氯甲烷(二氯甲烷)、二氯甲烷/氯仿混合物、邻二氯苯、全氯乙烯(四氯乙烯)、全氯乙烷/三氯乙烯混合物、三氯乙烯、易燃气体、非易燃气体、有毒气体、燃料、油、丙烷、其组合或任何其他有害物质。在某些实施例中，储罐170是地上储罐。
26.系统100的图像检测工具180是检查、评估和/或处理静止或运动图像182的组件。图像检测工具180可以检查图像182的对象。对象可以包括一个或多个铁路轨道130、储罐170、发电站、电力线、道路交叉口、道路交叉停止杆、里程标志、速度标志、铁路信号等。在一些实施例中，图像检测工具180可以使用图像检测算法来分析图像182中的对象。图像检测算法可以识别图像182中的对象，并使用图像处理技术和/或模式识别技术对对象进行分类。在某些实施例中，图像检测工具180使用云计算平台(例如，微软azure、亚马逊网络服务(aws)等)来检查、评估和/或处理图像182。
27.在某些实施例中，图像检测工具180使用图像检测算法来分析对象(例如，储罐170、发电站、电力线、道路交叉口、道路交叉停止杆、里程标志、速度标志、铁路信号等)在图像182中的某些特征(例如，尺寸、形状、位置等)。例如，图像检测工具180可以确定每个储罐170的长度、每个储罐170宽度、每个储罐170相对于地面的高度、每个储罐170的形状(例如，圆柱形)、每个储罐170的屋顶类型(例如，固定易弯曲或浮顶)等。作为另一示例，图像检测工具180可以确定道路交叉停止杆的位置(例如，向上或向下)。在一些实施例中，图像检测工具180可以基于每个对象的特征对每个对象进行分类。例如，图像检测工具180可以将每个储罐170分类为以下分类之一：无水氨罐、甲烷罐、水罐等。
28.在一些实施例中，图像检测工具180可以基于每个储罐170的特征和/或分类来确定每个储罐170是否包含危险材料。例如，图像检测工具180可以基于储罐170a的尺寸和形状来确定储罐170a包含无水氨等的危险物质。作为另一示例，图像检测工具180可以基于储罐170b的尺寸和形状来确定储罐170b包含非危险物质，例如水。在某些实施例中，图像检测工具180可以至少部分地基于每个储罐170的特征和/或分类来确定每个储罐170是否对铁路环境120造成危害。
29.在一些实施例中，图像检测工具180使用图像182确定一个或多个对象的位置。该位置可以表示铁路环境120中的物理(例如，地理)位置。例如，图像检测工具180可以使用图像182来确定对象(例如，铁路轨道130a、铁路轨道130b、储罐170a、170b等)的地理位置(例如，全球定位系统(gps)坐标)。该位置可以表示在平面图中对象的区域内的任何点(例如，中心或边缘)。
30.在一些实施例中，图像检测工具180确定图像182中的对象相对于图像182中的另一对象的位置。例如，图像检测工具180可以确定图像182的第一对象(例如，铁路轨道130b)的位置与图像182的第二对象(例如，储罐170a)的位置之间的距离。两个对象之间的距离可以表示铁路环境120中的物理(例如，地理)距离。例如，图像检测工具180可以使用图像182来确定铁路轨道130b和铁路环境120的储罐170a之间的距离为20英尺。在某些实施例中，在
平面图中，测量从最靠近铁路轨道130b的储罐170a的边缘到铁路轨道130b的中心线的距离。在一些实施例中，在平面图中，测量从最靠近铁路轨道130b的储罐170a的边缘到铁路轨道130b的中心线的距离。在平面图中，铁路轨道130b和每个储罐170之间的距离可以表示铁路轨道130b的中心线(或铁路轨道130b外轨的中心线)和每个相应储罐170之间的最短的距离。
31.在一些实施例中，图像检测工具180将铁路轨道130b和铁路环境120的每个储罐170之间的距离与预定阈值距离进行比较，以确定每个储罐170是否对铁路环境120造成危险。如果储罐170a位于距铁路轨道130b的预定阈值距离内，则储罐170a对铁路环境120构成危险。在某些实施例中，预定阈值距离为50英尺。例如，图像检测工具180可以确定铁路轨道130b的中心线与储罐170a之间的地理距离小于或等于50英尺的预定阈值距离，并基于该比较确定储罐170对铁路环境120构成危险。
32.在某些实施例中，根据风险等级对每个危险进行分类。风险等级是实际上对铁路环境120造成危害的可能性。风险等级可以包括高风险等级、中等风险等级、低风险等级或识别潜在风险的任何其他代表性等级。在一些实施例中，不同的预定阈值距离与不同的风险水平相关联。例如，0英尺和20英尺之间的阈值距离可以与高风险等级相关联，21英尺和30英尺之间的临界距离可以与中等风险等级相关联，31英尺和50英尺之间的阈距离可以与低风险等级相联系。作为另一个示例，0至25英尺之间的阈值距离可以与高风险等级相关联，26至35英尺之间的阈值距离可以与中等风险等级相联系，36至55英尺之间的阈值距离可以与低风险等级相。作为又另一示例，0英尺和15英尺之间的阈值距离可以与高风险等级相关联，16英尺和25英尺之间的阈值距离可以与中等风险等级相联系，26英尺和40英尺之间的阈值距离可以与低风险等级相关系。图像检测工具180可以响应于确定储罐170a和/或储罐170b对铁路环境120造成危险/风险来生成一个或多个警报184。
33.图像检测工具180可以向系统100的一个或多个组件传送一个或多个警报184。每个警报184表示对铁路环境120的危险通知。警报184可以以任何合适的格式(例如，电子邮件、语音邮件、传真、文本消息、网站帖子等)来传送。在某些实施例中，图像检测工具180将一个或多个警报184传送给操作员(例如，管理员、工程师、管理员等)。例如，图像检测工具180可以确定储罐170a对铁路环境120造成高风险，并向系统100的一个或多个操作员和/或组件传达指示高风险的警报184。作为另一示例，图像检测工具180可以确定储罐170b对铁路环境120造成中等风险，并向系统100的一个或多个操作员和/或组件传送指示中等风险的警报184。在某些实施例中，警报184可以被传送到网络操作中心。
34.在某些实施例中，由图像检测工具180生成的警报184可以包括以下一项或多项：位于铁路轨道130b的风险区内(例如，50英尺内)的一个或多个储罐170的描述、铁路轨道130a与一个或多个储罐170之间的距离、储罐170的图像184、储罐170的位置(例如，储罐170的gps位置)、储罐170被火车车厢140的相机150拍摄的时间、储罐170被火车车厢140的相机150拍摄到的日期、火车车厢140的标识、火车车厢的行驶方向160的指示等。
35.在一些实施例中，系统100生成的信息可以与一个或多个其他系统(例如，房地产系统、地理信息系统(gis)等)生成的信息相结合。例如，由系统100的图像检测工具180生成的信息(例如，储罐标识、储罐位置等)可以与由房地产系统生成的信息(如，土地所有权、合同协议等)和/或由地理信息系统生成的信息(如，数字化地图视图)相结合。在某些实施例
中，系统100的一个或多个组件可以生成包括组合和/或比较信息的报告。所述报告可以提供铁路环境120的全面视图。
36.系统100的训练模块190是一种应用程序，其训练一个或多个模型以检测对象(例如，储罐170、发电站、电力线、道路交叉口、道路交叉停止杆、里程标志、速度标志、铁路信号等)。例如，训练模块190可以训练一个或多个模型以在图像182中(例如，数字图像、视频等)检测感兴趣的对象(例如，储罐170、发电站、电力线、道路交叉口、道路交叉停车杆、里程标志、速度标志、铁路信号等)。训练模块190可以使用训练图像192来训练一个或多个模型以检测感兴趣的对象。训练图像192是包括感兴趣对象的图像。例如，训练图像192可以包括铁路环境120中的储罐170的图像。在某些实施例中，感兴趣对象(例如，储罐170)被叠加到训练图像192上。例如，储罐170的现有图像可以被粘贴到包括铁路轨道130的图像182中。在某些实施例中，训练模块190从系统100的管理员接收训练图像192。训练模块190使用的训练图像192的数量和种类取决于所期望的精度、储罐170的分类数量、每个分类的训练图像192的可用性等。
37.在某些实施例中，训练模块190使用一种或多种机器学习方法来训练模型。机器学习方法使用算法来分析数据，从数据中学习，并基于学习到的信息做出明智的决策。机器学习方法可以包括以下一项或多项：viola
–
jones对象检测框架、尺度不变特征变换(sift)、定向梯度直方图(hog)特征等。某些机器学习方法包括深度学习方法。深度学习方法可以学习非结构化或未标记的无监督数据。深度学习方法可以包括以下一项或多项：yolo(you only look once)、区域建议(例如，r-cnn、快速r-cnn、更快r-cnn等)、单镜头多盒检测器(ssd)、用于对象检测的单镜头细化神经网络(refinedet)、视网膜网络(retina-net)、可变形卷积网络等。
38.在操作中，系统100的训练模块190训练图像检测工具180以识别图像182中的储罐170。相机150连接到火车车厢140(例如，机车或几何车)，并在火车车厢140沿铁路轨道130b在行驶方向160上移动时拍摄铁路环境120的图像182。相机150将图像182传送到图像检测工具180。图像检测工具180扫描图像182并识别图像182中的储罐170a和储罐170b。图像检测工具180识别图像182中的铁路轨道130b，并确定储罐170a与铁路轨道130b之间的第一距离(例如，18英尺)以及储罐170b与铁路轨道130a之间的第二距离(例如，30英尺)。图像检测工具180将第一和第二距离与预定阈值距离(例如，50英尺)进行比较，并确定第一和第二距离小于预定阈值距离。基于这些确定，图像检测工具180确定储罐170a和储罐170b对铁路环境120造成危险。图像检测工具将危险分类为低风险、中等风险或高风险，并生成指示危险和相关风险等级的警报184。因此，系统100可用于警告一个或多个个体由于储罐170位于铁路轨道附近(例如，在50英尺内)而导致的铁路环境120中的危险，这可启动减少或消除危险的纠正措施。
39.尽管图1示出了网络110、铁路环境120、铁路轨道130、火车车厢140、相机150、储罐170、图像检测工具180和训练模块190的特定布置，但是本公开考虑了网络110，铁路环境120，铁路轨道130，火车车厢140、相机150、储罐170、图像检测工具180和训练模块190的任何合适的布置。例如，储罐170b可以比储罐170a更靠近铁路轨道130b。作为另一示例，火车车厢140可以沿着铁路轨道130a而不是铁路轨道130b行驶。作为又另一示例，火车车厢140可以在与行驶方向160相反的行驶方向上行驶。作为又另一示例，图像检测工具180和训练
模块190可以组合成一个组件。
40.尽管图1示出了特定数量的网络110、铁路环境120、铁路轨道130、火车车厢140、相机150、储罐170、图像检测工具180和训练模块190，但是本公开考虑了任何合适数量的网络110，铁路环境120，铁路轨道130，火车车厢140、相机150、储罐170、图像检测工具180和训练模块190。例如，系统100可以包括多于或少于两个铁路轨道130。作为另一示例，系统100可以包括多于或少于两个储罐170。
41.图2示出了可由图1的系统100使用的示例图像182。图像182示出了图1的铁路环境120在特定时刻的概况。图像182包括铁路轨道130(即，铁路轨道130a和铁路轨道130b)、储罐170a和储罐170b。在图2所示的实施例中，铁路轨道130a与铁路轨道130b相邻(例如，平行)。在某些实施例中，当火车车厢140沿着铁路轨道130b移动通过铁路环境120时，图1的相机150自动拍摄图像182。
42.图2的图像182包括多个标识。在一些实施例中，图1的图像检测工具180为图像182生成一个或多个标识。标识表示与图像182相关联的信息。例如，图像检测工具180可以为图像182生成识别一个或多个对象(例如，铁路轨道130a、铁路轨道130b、储罐170a、储罐170b等)的一个或多个标识。作为另一示例，图像检测工具180可以为图像182生成一个或多个标识，其识别与图像182中描绘的铁路环境相关联的一个或更多个危险。在某些实施例中，标识识别与危险相关的风险等级(例如，高风险、中等风险、低风险等)。作为又另一示例，图像检测工具180可以为图像182生成一个或多个标识，其为图像182提供附加信息。附加信息可以包括对象(例如，储罐170a、储罐170b等)的描述、对象的位置(例如，gps位置、对象附近的英里标记等)、对象之间的距离、拍摄铁路环境的图像182的时间、拍摄铁路环境的图像182的日期等。在一些实施例中，一个或多个标识被叠加在图像182上。在图2所示的实施方式中，标识包括储罐标识210、轨道标识220、距离230和警报184。
43.图像182的储罐标识210(即，储罐标识210a和储罐标识210b)是用于识别图像182中的储罐的标识。虽然在图2所示的实施例中储罐标识210被表示为虚线框，但是储罐标识210可以以任何合适的方式表示。例如，储罐标识210可以表示为实线框、高亮区域、字母、数字、其组合等。在某些实施例中，图1的图像检测工具180识别图像182中的储罐170a，并用储罐标识210a标记储罐170a。类似地，图像检测工具180可以识别图像182中的储罐170b，并用储罐标识210b标记储罐170b。图像182的储罐标识210a在平面图中表示储罐170a的外周边。图像182的储罐标识210b在平面图中表示储罐170b的外周边。
44.图像182的轨道标识220是用于标识图像182中的铁路轨道的标识。虽然在图2所示的实施例中轨道标识220被表示为虚线，但是轨道标识220可以以任何合适的方式表示。例如，轨道标识220可以表示为实线、粗线、高亮区域、字母、数字、其组合等。在某些实施例中，图1的图像检测工具180识别图像182中的铁路轨道130a和铁路轨道130b，并用铁路轨道标识220标记铁路轨道130a和铁路轨道130b。图像182的每个轨道标识220表示轨道的中心线。例如，图像182中沿着铁路轨道130a的两条虚线表示铁路轨道130a的内轨和外轨的中心线。作为另一示例，图像182的沿着铁路轨道130b的两条虚线表示铁路轨道130b的内轨和外轨的中心线。
45.图像182的距离230是用于表示储罐170与铁路轨道130之间的距离的标识。虽然在图2所示的实施例中，距离230被表示为在每一端带有箭头的实线，但是距离230可以以任何
合适的方式表示。例如，距离230可以表示为在每一端带有箭头的虚线、在每一端带有记号的实线、粗线、字母、数字、其组合等。在某些实施例中，储罐170a和铁路轨道130b之间的距离230a是在平面图中从铁路轨道130b的外轨的中心线到储罐170a的外边缘的最短测量距离。在一些实施例中，储罐170b和铁路轨道130b之间的距离230b是在平面图中从铁路轨道130b的外轨的中心线到储罐170b的外边缘的最短测量距离。图像182的距离230表示储罐170和铁路轨道之间的实际(例如，地理)距离。距离230可以使用公制单位(例如，米、厘米等)、标准单位(例如，英尺、英寸等)等来表示。在某些实施例中，距离230可以近似于(例如，在3％、5％或10％以内)实际现场测量的距离。
46.图像182的警报184是用于识别图像182中的危险的标识。在图2所示的实施例中，警报184包括与储罐170a相关联的高风险警报184a和与储罐170b相关联的中等风险警报184b。在某些实施例中，图1的图像检测工具180响应于将距离230与一个或多个预定阈值距离进行比较而生成警报184。例如，图像检测工具180可以将储罐170a与铁路轨道130b之间的距离230a(例如，18英尺)与第一预定阈值距离(例如，50英尺)进行比较，以确定储罐170a对铁路环境造成危险。类似地，图像检测工具180可以将储罐170b与铁路轨道130b之间的距离230b(例如，30英尺)与第一预定阈值距离(例如，50英尺)进行比较，以确定储罐170b对铁路环境造成危险。作为另一示例，图像检测工具180可以将储罐170a与铁路轨道130b之间的距离230a(例如，18英尺)与第二预定阈值距离(例如，20英尺)进行比较，以确定储罐170a对铁路环境造成高风险。类似地，图像检测工具180可以将储罐170b与铁路轨道130b之间的距离230b(例如，30英尺)与第二预定阈值距离(例如，20英尺)进行比较，以确定储罐170a对铁路环境造成中等风险。
47.响应于这些确定，图像检测工具180可以生成警报184，以通知一个或多个人(例如，管理员、工程师等)危险和/或风险等级。虽然在图2所示的实施例中，警报184被表示为字母、数字和符号的组合，但是警报184可以以任何合适的方式表示。例如，警报184a可以通过在储罐170a周围放置红色框来将储罐170a识别为高风险。作为另一示例，警报184b可以通过在储罐170b周围放置橙色框来将储罐170b识别为中等风险。
48.尽管图2示出了图像182中的铁路轨道130、储罐170、储罐标识210、轨道标识220、距离230和警报184的特定布置，但本公开考虑了图像182中的铁路轨道130、储罐170、储罐标识210、轨道标识220、距离230和警报184的任何适当布置。例如，储罐170a和/或储罐170b可以位于比铁路轨道130b更靠近铁路轨道130a的位置。作为另一示例，轨道标识220可以表示铁路轨道130a的中心线，而不是铁路轨道130a的轨道的中心线。作为又另一示例，警报184可以被定位在图像184的平面图中的底部附近，而不是图像184的平面图中的顶部附近。
49.尽管图2示出了图像182中的特定数量的铁路轨道130、储罐170、储罐标识210、轨道标识220、距离230和警报184，但本公开考虑了图像182中任何适当数量的铁路轨道130、储罐160、储罐标识220、轨道标识210、距离230以及警报184。例如，图像182可以包括多于或少于两个储罐170。作为另一示例，图像182可以包括多于或少于两个警报184。虽然图2的图像182与铁路系统相关联，但图像182可以与任何合适的运输系统(例如，车辆/道路、船只/水道等)相关联。
50.图3示出用于检测铁路环境中的储罐的示例方法300。方法300开始于步骤305。在步骤310，训练模块(例如，图1的训练模块190)训练图像检测工具(例如，图1的图像检测工
具180)以识别铁路环境中的储罐(例如，图1的铁路环境120中的储罐170)。在某些实施例中，训练模块使用训练图像(例如，图1的训练图像192)来训练图像检测工具以检测储罐。训练模块可以使用深度学习方法和/或机器学习方法来训练图像检测工具以检测储罐。然后，方法300从步骤310移动到步骤315。
51.在方法300的步骤315，图像检测工具扫描铁路环境的图像(例如，图2的图像182)。当火车车厢在铁路环境中沿着铁路轨道(例如，图1的铁路轨道130b)移动时，可以由附接到火车车厢(例如，图1的火车车厢140)的相机(例如，图1的相机150)拍摄。在某些实施例中，图像检测工具从相机接收图像。然后，方法300从步骤315移动到步骤320。
52.在方法300的步骤320，图像检测工具确定图像是否包括一个或多个储罐。如果图像检测工具没有识别出图像中的储罐，则方法300从步骤320前进到步骤370，其中方法300结束。如果在步骤320图像检测工具识别出图像中的储罐，则方法300从步骤320移动到步骤325，其中图像检测工具确定储罐的位置。储罐的位置可以是储罐在图像中的位置、物理位置(例如，gps位置)、储罐相对于图像中的一个或多个其他对象的位置等。在某些实施例中，确定的储罐位置与储罐的实际物理位置近似(例如，在10％以内)。方法300然后从步骤325移动到步骤330。
53.在方法300的步骤330，图像检测工具确定图像中最接近储罐的铁路轨道的位置。例如，图像检测工具可以确定最接近储罐的铁路轨道(例如，图2的铁路轨道130b)的外轨的中心线的位置。作为另一示例，图像检测工具可以确定最接近储罐的铁路轨道的中心线的位置。在某些实施例中，所确定的铁路轨道的位置与铁路轨道的实际物理位置近似(例如，在10％以内)。然后，方法300从步骤330移动到步骤335。
54.在方法300的步骤335，图像检测工具确定储罐与铁路轨道之间的距离。例如，图像检测工具可以确定储罐的外周边在平面图中与最近的铁路轨道的外轨的中心线之间的物理距离(例如，18英尺)。作为另一示例，图像检测工具可以确定在平面图中储罐的外周边与最近的铁路轨道的中心线之间的物理距离(例如，20英尺)。然后，方法300从步骤335移动到步骤340。
55.在方法300的步骤340，图像检测工具确定储罐与铁路轨道之间的距离是否小于或等于第一预定距离(例如，50英尺)。如果图像检测工具确定储罐与铁路轨道之间的距离大于第一预定距离，则方法300从步骤340前进到步骤370，其中方法300结束。如果在步骤340，图像检测工具确定储罐与铁路轨道之间的距离小于或等于第一预定距离，则方法300从步骤340移动到步骤345，其中图像检测工具确定储罐对铁路环境造成风险。然后，方法300从步骤345移动到步骤350。
56.在方法300的步骤350，图像检测工具确定储罐与铁路轨道之间的距离是否小于或等于第二预定距离(例如，20英尺)。如果图像检测工具确定储罐与铁路轨道之间的距离大于第二预定距离，则方法300从步骤350前进到步骤360。如果在步骤350图像检测工具确定储罐与铁路轨道之间的距离小于或等于第二预定距离，则方法300从步骤350移动到步骤355，其中图像检测工具确定储罐对铁路环境构成高风险。然后，方法300从步骤355移动到步骤360。
57.在方法300的步骤360，图像检测工具生成指示风险的警报(例如，图2的警报184a或警报184b)。例如，如果储罐与铁路轨道之间的距离小于或等于第一预定阈值(例如，50英
尺)但大于第二预定阈值(如，20英尺)，则图像检测工具可以生成指示储罐对铁路环境构成风险(例如，低风险或中等风险)的警报。作为另一示例，如果储罐与铁路轨道之间的距离小于或等于第二预定阈值(例如，20英尺)，则图像检测工具可以生成指示储罐对铁路环境构成高风险的警报。方法300然后从步骤360移动到步骤365，其中图像检测工具将警报传送给操作员(例如，管理员、工程师等)。方法300然后从步骤365移动到步骤370，其中方法300在步骤370结束。
58.可以对图3所示的方法300进行修改、添加或省略。方法300可以包括更多、更少或其他步骤。例如，方法300可以包括用于确定储罐对铁路环境造成的风险是低风险还是中等风险的附加步骤。作为另一示例，方法300可以包括一个或多个附加步骤，其用于识别图像中的第二储罐并确定第二储罐是否对铁路环境造成风险。作为又另一示例，方法300可以包括一个或多个步骤，其用于确定储罐的特性(例如，尺寸、形状等)，并基于该特性确定储罐是否包含危险材料。方法400的一个或多个步骤可以实时执行。
59.方法300可以与任何合适的运输系统(例如，车辆/道路、船只/水道等)相关联。方法300的步骤可以并行或以任何合适的顺序执行。尽管讨论为完成方法300的步骤的特定组件，但任何合适的组件可以执行方法300的任何步骤。例如，可以使用图4的计算机系统的一个或多个组件来自动化方法300的一个或者多个步骤。在某些实施例中，使用机器学习方法(例如，yolo)来确定方法300的一个或多个步骤。
60.图4示出可由本文描述的系统及方法使用的示例计算机系统。例如，图1的网络100、u相机150、图像检测工具180和/或训练模块190可以包括一个或多个接口410、处理电路420、存储器430和/或其他合适的元件。接口410接收输入、发送输出、处理输入和/或输出、和/或执行其他合适的操作。接口410可以包括硬件和/或软件。
61.处理电路420执行或管理组件的操作。处理电路420可以包括硬件和/或软件。处理电路的示例包括一个或多个计算机、一个或多个微处理器、一个或多个应用程序等。在某些实施例中，处理电路420执行逻辑(例如，指令)以执行动作(例如，操作)，例如从输入生成输出。由处理电路420执行的逻辑可以被编码在一个或多个有形的、非暂时性的计算机可读介质(例如，存储器430)中。例如，逻辑可以构成计算机程序、软件、计算机可执行指令和/或可由计算机执行的指令。在特定实施例中，实施例的操作可以由一个或多个计算机可读介质来执行，所述介质存储、体现和/或编码有计算机程序和/或具有存储的和/或编码的计算机程序。
62.存储器430(或存储器单元)存储信息。存储器430(例如，图1的存储器124)可以包括一个或多个非暂时性、有形、计算机可读和/或计算机可执行存储介质。存储器430的示例包括计算机存储器(例如，ram或rom)、大容量存储介质(例如，硬盘)、可移动存储介质(例如，光盘(cd)或数字视频盘(dvd))、数据库和/或网络存储(例如，服务器)和/或其他计算机可读介质。
63.在此，计算机可读非暂时性存储介质可以包括一个或多个基于半导体或其他集成电路(ic)(例如，现场可编程门阵列(fpga)或专用ic(asic))、硬盘驱动器(hdd)、混合硬盘驱动器(hhd)、光盘、光盘驱动器(odd)、磁光盘、磁光盘驱动器、软盘、软盘驱动器(fdd)、磁带、固态驱动器(ssd)、ram驱动器、安全数字卡或驱动器、任何其他合适的计算机可读非暂时性存储介质，或其中两种或多种的任何合适组合(如适用)。在适当的情况下，计算机可读
非暂时性存储介质可以是易失性、非易失性或易失性和非易失性的组合。
64.在此，除非另有明确说明或上下文另有说明，“或”具有包容性而非排他性。因此，在本文中，除非另有明确说明或上下文另有说明，“a或b”是指“a、b或两者”。此外，除非另有明确说明或上下文另有说明，“和”既是联合的又是多个的。因此，在本文中，除非另有明确说明或上下文另有说明，“a和b”是指“a和b，共同或分别”。
65.本公开的范围包括本领域普通技术人员将理解的对本文描述或图示的示例实施例的所有改变、替换、变化、变更和修改。本公开的范围不限于本文描述或图示的示例实施例。此外，尽管本公开将本文中的各个实施例描述并说明为包括特定组件、元件、特征、功能、操作或步骤，但是这些实施例中的任何一个可以包括任何组件、元件、特征、功能、操作或步骤的任何组合或排列，或本领域普通技术人员将理解的本文任何地方描述或说明的步骤。此外，在所附权利要求中，对适于、布置、能够、配置成、启用、可操作或可操作为以执行特定功能的设备或系统或设备或系统的组件的引用涵盖该设备，系统、组件，无论其或该特定功能是否被激活、开启或解锁，只要该设备、系统或组件如此适于、布置、能够、配置成、启用、可操作或可操作。此外，尽管本公开将特定实施例描述或说明为提供特定优势，但特定实施例可以不提供、部分或全部提供这些优势。

技术特征：
1.一种方法，包括以下步骤：通过图像检测工具识别铁路环境的图像中的储罐；通过所述图像检测工具识别所述铁路环境的所述图像中的铁路轨道；通过所述图像检测工具确定所述储罐与所述铁路轨道之间的距离；通过所述图像检测工具将所述储罐与所述铁路轨道之间的所述距离与预定阈值距离进行比较；以及响应于将所述储罐与所述铁路轨道之间的所述距离与所述预定阈值距离进行比较，通过所述图像检测工具确定所述储罐对所述铁路环境造成危险。2.根据权利要求1所述的方法，还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。3.根据权利要求1所述的方法，还包括通过所述图像检测工具基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：所述高风险与0至20英尺之间的距离相关；所述中等风险与21至30英尺之间的距离相关；以及所述低风险与31至50英尺之间的距离相关。4.根据权利要求1所述的方法，其中：所述图像由安装到在所述铁路环境中沿着所述铁路轨道行驶的火车车厢的相机拍摄；以及所述火车车厢是以下之一：机车；或几何车厢。5.根据权利要求1所述的方法，还包括训练所述图像检测工具以使用机器学习模型来识别所述储罐。6.根据权利要求1所述的方法，其中：所述图像包括所述铁路轨道和一个或多个其他铁路轨道；所述铁路轨道比所述一个或多个其他铁路轨道更靠近所述储罐；以及所述储罐与所述铁路轨道之间的所述距离是在平面图中从所述铁路轨道的外轨的中心线到所述储罐的外边缘的最短测量距离。7.根据权利要求1所述的方法，还包括由所述图像检测工具生成警报的步骤，其中所述警报包括以下中的至少一个：所述危险的指示；与所述危险相关的风险等级的指示；所述储罐的描述；所述储罐的位置；所述储罐与所述铁路轨道之间的所述距离；所述铁路环境的所述图像；拍摄所述铁路环境的所述图像的时间；以及拍摄所述铁路环境的所述图像的日期。8.一种装置，包括一个或多个处理器和存储指令的存储器，当所述指令由所述一个或
多个处理器执行时，使所述一个或多个处理器执行包括以下步骤的操作：在铁路环境的图像中识别储罐；识别所述铁路环境的所述图像中的铁路轨道；确定所述储罐与所述铁路轨道之间的距离；将所述储罐与所述铁路轨道之间的所述距离与预定阈值距离进行比较；以及响应于将所述储罐与所述铁路轨道之间的所述距离与所述预定阈值距离进行比较，确定所述储罐对所述铁路环境造成危险。9.根据权利要求8所述的装置，所述操作还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。10.根据权利要求8所述的装置，所述操作还包括基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：所述高风险与0至20英尺之间的距离相关；所述中等风险与21至30英尺之间的距离相关；以及所述低风险与31至50英尺之间的距离相关。11.根据权利要求8所述的装置，其中：所述图像由安装到在所述铁路环境中沿着所述铁路轨道行驶的火车车厢的相机拍摄；以及所述火车车厢是以下之一：机车；或几何车厢。12.根据权利要求8所述的装置，所述操作还包括训练图像检测工具以使用机器学习模型来识别所述储罐的步骤。13.根据权利要求8所述的装置，其中：所述图像包括所述铁路轨道和一个或多个其他铁路轨道；所述铁路轨道比所述一个或多个其他铁路轨道更靠近所述储罐；以及所述储罐与所述铁路轨道之间的所述距离是在平面图中从所述铁路轨道的外轨的中心线到所述储罐的外边缘的最短测量距离。14.根据权利要求8的装置，所述操作还包括由所述图像检测工具生成警报的步骤，其中所述警报包括以下中的至少一个：所述危险的指示；与所述危险相关的风险等级的指示；所述储罐的描述；所述储罐的位置；所述储罐与所述铁路轨道之间的所述距离；所述铁路环境的所述图像；拍摄所述铁路环境的所述图像的时间；以及拍摄所述铁路环境的所述图像的日期。15.一种或多种计算机可读存储介质，其包含指令，当所述指令由处理器执行时，使所述处理器执行包括以下步骤的操作：
在铁路环境的图像中识别储罐；识别所述铁路环境的所述图像中的铁路轨道；确定所述储罐与所述铁路轨道之间的距离；将所述储罐与所述铁路轨道之间的所述距离与预定阈值距离进行比较；以及响应于将所述储罐与所述铁路轨道之间的所述距离与所述预定阈值距离进行比较，确定所述储罐对所述铁路环境造成危险。16.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括确定所述储罐与所述铁路轨道之间的所述距离小于或等于所述预定阈值距离的步骤，其中所述预定阈值距离为50英尺。17.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括基于所述储罐与所述铁路轨道之间的所述距离将所述危险分类为高风险、中等风险或低风险的步骤，其中：所述高风险与0至20英尺之间的距离相关；所述中等风险与21至30英尺之间的距离相关；以及所述低风险与31至50英尺之间的距离相关。18.根据权利要求15所述的一种或多种计算机可读存储介质，其中：所述图像由安装到在所述铁路环境中沿着所述铁路轨道行驶的火车车厢的相机拍摄；以及所述火车车厢是以下之一：机车；或几何车厢。19.根据权利要求15所述的一种或多种计算机可读存储介质，所述操作还包括训练图像检测工具以使用机器学习模型来识别所述储罐的步骤。20.根据权利要求15所述的一种或多种计算机可读存储介质，其中：所述图像包括所述铁路轨道和一个或多个其他铁路轨道；所述铁路轨道比所述一个或多个其他铁路轨道更靠近所述储罐；以及所述储罐与所述铁路轨道之间的所述距离是在平面图中从所述铁路轨道的外轨的中心线到所述储罐的外边缘的最短测量距离。21.一种装置，包括：用于在铁路环境的图像中识别储罐的装置；用于识别所述铁路环境的所述图像中的铁路轨道的装置；用于确定所述储罐与所述铁路轨道之间的距离的装置；用于将所述储罐与所述铁路轨道之间的所述距离与预定阈值距离进行比较的装置；以及用于响应于将所述储罐与所述铁路轨道之间的所述距离与所述预定阈值距离进行比较来确定所述储罐对所述铁路环境造成危险的装置。22.根据权利要求21所述的装置，还包括用于实现根据权利要求2至7中任一项所述的方法的装置。23.一种包括指令的计算机程序、计算机程序产品或计算机可读介质，所述指令在由计
算机执行时使所述计算机执行权利要求1至7中任一项所述的方法的步骤。

技术总结
在一实施例中，一种方法包括通过图像检测工具150、180识别铁路环境120的图像中的储罐170a、170b以及通过图像检测工具识别铁路环境的图像中的铁路轨道130a、130b的步骤。所述方法还包括通过图像检测工具确定储罐与铁路轨道之间的距离，以及通过图像检测工具将储罐与铁路轨道之间的距离与预定阈值距离进行比较的步骤。所述方法还包括响应于将储罐与铁路轨道之间的距离与预定阈值距离进行比较，通过图像检测工具确定储罐对铁路环境造成危害的步骤。骤。骤。


技术研发人员：安德烈
受保护的技术使用者：北伯林顿铁路公司
技术研发日：2021.03.29
技术公布日：2023/4/5