1.招標條件

本招標項目名稱為：朔黃鐵路2024年基于機器學習的接觸網安全狀態巡檢（2C）智能分析系統研究公開招標，本項目已具備招標條件，現對該項目進行國內資格后審公開招標。

2.項目概況與招標范圍

2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概況：電氣化鐵路的不斷發展對接觸網設備的安全運行提出了更高的要求，傳統接觸網巡檢方式主要依賴人工目視檢查和定期維護，不僅耗時費力，而且受人為因素影響較大，難以實現全面、精準且高效的檢測。在這樣的背景下，基于機器學習的接觸網安全狀態巡檢（2C）智能分析系統通過運用深度學習算法和信息化技術，構建接觸網安全狀態巡檢智能分析系統，實現對接觸網安全巡檢視頻的視頻管理、智能分析、缺陷管理、統計分析、桿號推斷、分析確認、系統管理等功能，解決傳統分析中數據傳遞過程繁瑣、分析效率低、分析結果易受分析人員狀態影響等問題，達到對接觸網安全巡檢視頻智能化分析的目標，保障列車的安全運行，減少事故的發生，推動鐵路行業由傳統運維向數字化、智慧化運維模式轉變，構建起以預防性維修為主導的新一代接觸網安全管理體系，極大提升鐵路公司整體運行效能和服務質量。
2.1.2招標范圍及標段（包）劃分：本項目共劃分為1個標段。
基于機器學習的接觸網安全狀態巡檢（2C）智能分析系統研究項目主要研究以下內容：
1.接觸網安全巡檢視頻智能分析場景研究
研究以B/S方式實現包含視頻管理、智能分析、缺陷管理、統計分析、桿號推斷、分析確認、系統管理等功能的應用系統，與深度學習算法進行結合，提供數據網絡傳遞、數據集中管理、數據智能化分析的服務。
2.對接觸網設備的智能識別應用研究
接觸網設備種類繁多，易受拍攝角度和遮擋物的干擾，接觸網設備形態在視頻中的呈現方式具有較大的差異。研究建立識別重點設備的卷積神經網絡模型，輸入設備的圖片對卷積神經網絡進行訓練，并通過對卷積神經網絡模型的測試對比輸出特征值與特征閾值，對模型的參數進行修正。
3.接觸網安全巡檢缺陷的智能識別應用研究
接觸網安全巡檢缺陷包含設備缺陷和環境缺陷，缺陷隱蔽性較強，識別難度大。研究對缺陷圖像的目標像素區域進行多分支圖像增強，利用神經網絡訓練擬合出多分支圖像增強的傳遞函數與目標像素區域映射關系的傳遞函數設定模型，并結合目標跟蹤算法進行判定修正。
4.對接觸網線桿桿號的推斷補全應用研究
接觸網安全巡檢視頻中桿號對缺陷的定位及維修至關重要，易受拍攝角度和遮擋物的干擾，導致桿號無法正常識別。研究運用算法識別的部分桿號和桿號檔案數據，對桿號進行多重推斷并校對核驗，補全缺失桿號。
2.1.3合作形式：
服務期限：合同簽訂后12個月。
服務地點：朔黃鐵路發展有限責任公司管內。

2.2 其他：/

2.3 主要研究內容及預期目標：圍繞朔黃鐵路2024年基于機器學習的接觸網安全狀態巡檢（2C）智能分析系統研究，運用深度學習技術和信息化技術，構建接觸網安全巡檢視頻智能分析系統，實現對接觸網安全巡檢視頻的視頻管理、智能分析、缺陷管理、統計分析、桿號推斷、分析確認、系統管理等功能，解決傳統分析中數據傳遞過程繁瑣、分析效率低、分析結果易受分析人員狀態影響等問題，達到對接觸網安全巡檢視頻智能化分析的目標，并按要求交付相關成果。

預期目標：構建接觸網安全巡檢視頻智能分析系統，實現對接觸網安全巡檢視頻的視頻管理、智能分析、缺陷管理、統計分析、桿號推斷、分析確認、系統管理等功能，解決傳統分析中數據傳遞過程繁瑣、分析效率低、分析結果易受分析人員狀態影響等問題，達到對接觸網安全巡檢視頻智能化分析的目標，保障列車的安全運行，減少事故的發生。形成基于機器學習的接觸網安全狀態巡檢（2C）智能分析系統一套；形成研究報告1套；申請發明專利1項；申請實用新型專利1項；申請軟件著作權1件；發表核心期刊論文2篇。

2.4 項目總工期：合同簽訂后12個月

3.投標人資格要求

3.1 資質條件和業績要求：

【1】資質要求：投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。

【2】財務要求：/

【3】業績要求：2021年4月至投標截止日（以合同簽訂日期為準），投標人須至少具有1份鐵路接觸網研究類業績。投標人須提供能證明本次招標業績要求的課題相關證明或項目合同掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。

【4】信譽要求：/

【5】項目負責人的資格要求：投標人擬任的項目負責人1名，應具備本科及以上學歷，并提供相關證明文件。

【6】其他主要人員要求：須至少配備8名研究人員（不含項目負責人），均為本科及以上學歷，并提供相關證明文件。

【7】科研設施及裝備要求：/

【8】其他要求：/

3.2 本項目/聯合體投標。 不接受

4.招標文件的獲取

 招標文件開始購買時間2024-09-02 14:00:00，招標文件購買截止時間2024-09-09 16:00:00。