نظام TrainVision من mtrail يقلل وقت جمع بيانات السكك الحديدية بنسبة تقارب 100%

على مدى 15 عاماً، دعمت mtrail مشغلي السكك الحديدية والبنية التحتية بخبرة عميقة في المجال وحلول تقنية تعمل على تحسين العمليات التشغيلية. ومع TrainVision، قامت mtrail بتحويل تلك الخبرة إلى نظام ذكي للتعرف على الكائنات، مبني على Ultralytics YOLO، والذي يعمل على أتمتة وتحسين العمليات اليدوية، مما يتيح اكتشاف الحالات الشاذة بكفاءة وتسجيل والتحقق من معلومات القطارات بشكل آمن.

التحدي: لماذا تعتبر بيانات التكوين مهمة#

تعتبر بيانات التكوين والجر الدقيقة (الترلسل الدقيق للعربات والقاطرات التي تشكل القطار، إلى جانب طول القطار ووزنه وتفاصيل الجر) أمراً بالغ الأهمية لضمان جدولة موثوقة وتوجيه العملاء. يُطلب من مشغلي السكك الحديدية الإبلاغ عن هذه البيانات لأنظمة معلومات القطارات المركزية.

بالنسبة لقطارات الركاب، يمكن عادةً استنتاج بيانات التكوين تلقائياً من بيانات التخطيط. ولكن بالنسبة لقطارات البناء وفي ساحات المناورة، غالباً ما يظل الإدخال اليدوي ضروياً. وهذا يعني أنه يجب على موظفي السكك الحديدية تسجيل رقم المركبة الأوروبي (EVN) لكل عربة وقاطرة يدوياً، وغالباً ما يكون ذلك أثناء ارتداء القفازات وفي بيئة مسار نشطة. تتسم هذه العملية بالبطء، وعرضة للأخطاء، وتشكل خطراً حقيقياً على السلامة: فكل ثانية يقضيها العامل مركزا على الجهاز اللوحي هي ثانية من انخفاض الوعي بالمسار المحيط.

TrainVision: التعرف في الوقت الفعلي للبيانات الخاصة بالسكك الحديدية#

يستخدم TrainVision التعلم الآلي والرؤية الحاسوبية لأتمتة عملية التعرف هذه من البداية إلى النهاية، داعماً العمليات اليدوية اليوم مع وجود مسار واضح نحو الأتمتة الكاملة. بالنسبة لاكتشاف الكائنات، يعتمد TrainVision على Ultralytics YOLO لتحديد مواقع العناصر بدقة مثل أرقام EVN وعلامات الخطر داخل الإطار. وبمجرد تحديد موقعها، تقوم نماذج التعرف الضوئي على الحروف (OCR) ونماذج التعرف الخاصة بـ mtrail باستخراج المعلومات الخاصة بالمجال، وقراءة رقم EVN نفسه، أو تحديد تصنيفات الخطر، أو علامات المكابح.

Fig 1. عرض مباشر لنظام TrainVision الذي يستیفد من Ultralytics YOLO، المدرب خصيصاً لأرقام EVN وعلامات العربات. (صورة ملتقطة بشكل خاص).

ل الوصول إلى الدقة التي تتطلبها هذه الحالة الاستخدامية، تقوم mtrail بتدريب نماذجها على صور من العالم الحقيقي مجتمعة مع ملايين الصور الاصطناعية التي يتم إنشاؤها داخلياً. وبما أن عملية الاصطناع محددة بالكامل وقابلة للتتبع، فإن الصور الناتجة لا تحتاج إلى تصنيف يدوي، وهو ما يوفر وقتاً كبيراً يسمح لـ mtrail بإعادة تدريب النماذج بسرعة كلما تم تحديد حالة حدودية جديدة في العالم الحقيقي (ظروف جوية، عوائق، إضاءة غير عادية).

TrainVision ليس نموذجاً واحداً يناسب الجميع. لكل منصة مستهدفة، تبني mtrail نموذجاً مخصصاً وخاصاً بالمنصة ومتحسنا لتلك البيئة التشغيلية. يتيح ذلك دمج TrainVision في مجموعة متنوعة من بيئات التشريد، بدءاً من الأجهزة المحمولة اليدوية وحتى أنظمة الكاميرات الجانبية الثابتة، مع الاستمرار في معالجة كل صورة في غضون 8-30 مللي ثانية فقط.

لماذا Ultralytics YOLO؟#

بالنسبة لـ mtrail، كانت سرعة الاكتشاف والنشر على الحافة (Edge) متطلبات غير قابلة للتفاوض. كان TrainVision بحاجة إلى العمل بشكل موثوق على الأجهزة المحمولة في الميدان، وليس فقط في مركز البيانات، وعبر النماذج الخاصة بالمنصة المبنية لكل بيئة تشغيل مستهدفة.

جعل هذا الأداء من Ultralytics YOLO الأساس لطبقة اكتشاف الكائنات في TrainVision. يتم تدريب نماذج YOLO على صور من العالم الحقيقي لتحديد مواقع العناصر بدقة مثل أرقام EVN وعلامات الخطر عبر كل من النشر على الأجهزة المحمولة والكاميرات الثابتة. بعد ذلك، تتولى نماذج التعرف الضوئي على الحروف (OCR) والتعرف الخاصة بـ mtrail المهمة الخاصة بالمجال، مستخرجة المعلومات التفصيلية مما حدده YOLO.

فوائد العملاء والنتائج#

من خلال أتمتة مهمة كانت تعتمد سابقاً بالكامل على الإدخال اليدوي، يقدم TrainVision تحسينات قابلة للقياس لمشغلي السكك الحديدية:

• تخفيض بنسبة تصل إلى 100% في وقت جمع البيانات، من خلال القضاء على إدخال أرقام EVN يدوياً في الميدان. شهدت mtrail قفزة في الكفاءة من حوالي 40% إلى ما يقرب من 100% باستخدام Ultralytics YOLO.
• تخفيض بنسبة 90% على الأقل في معدل الأخطاء، مقارنة بإدخال البيانات اليدوي.
• تحسين سلامة الموظفين عن طريق إزالة تشتيت إدخال البيانات اليدوي في مناطق المسار النشطة.
• إمكانية الأتمتة الكاملة للمنشآت الثابتة، حيث يمكن لأنظمة الكاميرات الثابتة التحقق من مجموعة واسعة من نقاط القياس الخاصة بالسكك الحديدية، بما في ذلك التكوينات، والبضائع الخطرة، وخصائص الكبح، وحالة العربات، وتواريخ المراجعة، دون تدخل يدوي.

ما التالي بالنسبة لـ TrainVision#

العيوب التي تُسجل اليوم غالباً يدوياً باستخدام ملصقات مادية يمكن بدلاً من ذلك اكتشافها تلقائياً وتغذيتها مباشرة في منصات بيانات السكك الحديدية الأوروبية أو أنظمة الصيانة عبر واجهات قياسية مثل TAF-TSI. إن الجمع بين خبرة mtrail في مجال السكك الحديدية والرؤية الحاسوبية على هذا المستوى يمكن أن يزيادة كفاءة وجودة اكتشاف العيوب بشكل أكبر، ومن خلال توسيع نطاق أخذ العينات العشوائية باستخدام الأنظمة الثابتة، يساعد في إنشاء مراقبة سلامة أكثر شمولاً واستمراراً عبر الشبكة.

ترصد mtrail إمكانيات إضافية مهمة في عمليات فحص السلامة والصيانة التنبؤية للعربات المتحركة. يتم حالياً إجراء اكتشاف الحالات الشاذة يدوياً أثناء عمليات نقل العربات المتحركة بين المالكين ومشغلي السكك الحديدية، بما في ذلك عمليات تفتيش أخذ العينات العشوائية المحددة بموجب ISO 2859 والعقد العام لاستخدام عربات البضائع، والتي تعتبر تطبيقات تالية طبيعية لقدرات الاكتشاف في TrainVision.

هل أنت مهتم بكيفية قيام الذكاء الاصطناعي للرؤية بتحويل عمليات السكك الحديدية والنقل؟ استكشف حلول قطاع الصناعة من Ultralytics، أو اكتشف خيارات الترخيص لدينا، أو تحقق من مستودع GitHub للبدء اليوم.