Контроль сохранности навалочных и насыпных грузов путём определения незаполненного объёма полувагона методом стереофотограмметрии

Процесс формирования комплексных транспортных систем предполагает не только кардинальное изменение масштаба решаемых задач, но и применение эффективных методов и инструментов.

Объектом исследования является процесс контроля сохранности груза, перевозимого в открытом железнодорожном вагоне. Предметом исследования является рельеф верхней поверхности груза и незаполненное пространство полувагона. Актуальность исследования обусловлена растущими объемами перевозки и существенными потерями сыпучих грузов в процессе транспортировки, развитием информационных технологий и возможностью создания доступного инструмента контроля сохранности перевозимых грузов.

Целью настоящего исследования является описание интеллектуального инструмента контроля сохранности грузов, перевозимых железнодорожным транспортом в открытых вагонах, и процесса его применения в режиме реального времени. В числе требований, предъявляемых к предложенному методу контроля, – передача функций оператора цифровому помощнику и минимизация необходимого для контроля оборудования. Контроль сохранности навалочных и насыпных грузов предложено осуществлять путём обработки свёрточной нейронной сетью изображения полувагона с грузом, получаемого с камер фото-видеофиксации, а вычисление объёма незаполненного грузом пространства выполнять, используя методы фотограмметрии.

1. Смехов А. А., Малов А. Д., Островский А. М. и др. Грузоведение, сохранность и крепление грузов / Под ред. А. А. Смехова. - М.: Транспорт, 1989. - 247 с. ISBN 5-277- 00365-7.

2. Малышев М. И. Использование возможностей искусственного интеллекта для выявления повреждённых грузов по внешнему виду упаковки при выполнении логистических операций // Мир транспорта. - 2022. - Т. 20. - № 4 (101). - С. 61-72. https://doi.org/10.30932/1992-3252-2022-20-4-5.

3. Zhou Yun, Yilin Pei, Ziwei Li, Liang Fang, Yu Zhao, Weijian Yi. Vehicle weight identification system for spatiotemporal load distribution on bridges based on noncontact machine vision technology and deep learning algorithms. Measurement, 2020, Vol. 159, 107801. https://doi.org/10.1016/j.measurement.2020.107801.

4. Баукин В. Г. Источники правового регулирования деятельности железнодорожного транспорта // Известия высших учебных заведений. Правоведение. - 2004. - № 2 (253). - С. 76-90. EDN: TKSREB.

5. Чепурченко И. В., Носырев Д. Я., Коркина С. В. Использование теории оптимального проектирования для усовершенствования конструкции кузова глуходонного полувагона // Вестник транспорта Поволжья. - 2018. - № 3 (69). - С. 28-32. EDN: YASFVR.

6. Pintão, B., Mosleh, A., Vale, C., Montenegro, P. A., Costa, P. A. Development and Validation of a Weigh-inMotion Methodology for Railway Tracks. Sensors, 2022, Vol. 22, 1976. https://doi.org/10.3390/s22051976.

7. Запускалов В. Г., Редькин В. И., Егиазарян А. В. [и др.] Патент № 2066282 C1 Российская Федерация, МПК B61K 9/02. устройство для контроля негабаритности груза подвижного состава: № 95113376/11: заявл. 28.07.1995: опубл. 10.09.1996 / заявитель Забайкальская железная дорога. [Электронный ресурс]: https://yandex.ru/patents/doc/RU2066282C1_19960910. Доступ 04.09.2023.

8. Бородин К. Роснефть внедряет тепловизионный мониторинг для увеличения загрузки цистерн с темными нефтепродуктами // Энергоньюс. - 2014. [Электронный ресурс]: http://energo-news.ru/archives/120823. Доступ 04.09.2023. 9. Dhital, D., Lee, J. R. A fully non-contact ultrasonic propagation imaging system for closed surface crack evaluation. Experimental mechanics, 2012, Vol. 52, pp. 1111-1122. https://doi.org/10.1007/s11340-011-9567-z.

9. Шилов И. Г. Система лазерного 3D измерения и расчёта объёма насыпного груза в периметре кузова самосвала LaseTVM // Золото и технологии. - 2017. - № 4 (38). - С. 56-57. EDN: YBMEDR.

10. Aguilar, M. A., Aguilar, F. J., Negreiros, J. Off-theshelf laser scanning and close-range digital photogrammetry for measuring agricultural soils microrelief. Biosystems engineering, 2009, Vol. 103, Iss. 4, pp. 504-517. https://doi.org/10.1016/j.biosystemseng.2009.02.010.

11. Bernardini, F., Rushmeier, H. The 3D Model Acquisition Pipeline. Computer Graphics Forum. Oxford, UK: Blackwell Publishers Ltd, 2002, Vol. 21, Iss. 2, pp. 149- 172. https://doi.org/10.1111/1467-8659.00574.

12. Грушин С. П., Сосновский И. А. Фотограмметрия в археологии-методика и перспективы // Теория и практика археологических исследований. - 2018. - № 1 (21). - С. 99-105. EDN: YSDASI.

13. Волотовский С. Г., Казанский Н. Л., Попов С. Б., Хмелев Р. В. Система технического зрения для распознавания номеров железнодорожных цистерн с использованием модифицированного коррелятора в метрике Хаусдорфа // Компьютерная оптика. - 2005. - № 27. - С. 177- 184. EDN: HYQGBZ.

14. Михайлов А. П., Чибуничев А.Г.Фотограмметрия: Учебник / Под общ. ред. А. Г. Чибуничева. - М.: Изд-во МИИГаик, 2016. - 294 с. ISBN 978-5-91188-070-5.

15. Лёвин Б. А., Цветков В. Я. Информационные процессы в пространстве «больших данных» // Мир транспорта. - 2017. - Т. 15. - № 6 (73). - С. 20-30. EDN: YTBSCH.

16. Левин Б. А., Цветков В. Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. - 2018. - Т. 16. - № 3 (76). - С. 50-61. EDN: XVYKXJ.

17. Малышев М. Управление распространением цифровых информационных технологий в транспортных системах // Логистика. - 2023. - № 1 (193). - С. 35-40. https://doi.org/10.54959/22197222_2023_01_35.

18. Лапидус Б. М. О влиянии цифровизации и Индустрии 4.0 на перспективы развития железнодорожного транспорта // Бюллетень Объединенного ученого совета ОАО РЖД. - 2018. - № 1. - С. 1-8. EDN: YSLAKR.