أنشأت mtrail نظام TrainVision، وهو نظام غير متصل بالإنترنت للتعرّف على الصور بالذكاء الاصطناعي في الوقت الفعلي، مدعوم بـ Ultralytics YOLO، ويكشف تلقائيًا أرقام المركبات الأوروبية ولافتات المخاطر والفرامل، ما يقلل وقت جمع البيانات بنسبة تتراوح بين 40 و100% ويخفض الأخطاء بنسبة لا تقل عن 90%.
على مدى 15 عامًا، دعمت mtrail مشغلي السكك الحديدية والبنية التحتية بخبرة عميقة في المجال وحلول تقنية تحسّن العمليات التشغيلية. وحوّلت mtrail هذه الخبرة، من خلال TrainVision، إلى نظام ذكي للتعرّف على الأجسام، مبني على Ultralytics YOLO، يعمل على أتمتة العمليات اليدوية وتحسينها، ويتيح كشف الحالات الشاذة بكفاءة وتسجيل معلومات القطارات والتحقق منها بأمان.
التحدي: لماذا تُعد بيانات تشكيل القطار مهمة#
تُعد البيانات الدقيقة لتشكيل القطار وقوة الجر (أي الترتيب الدقيق للعربات والقاطرات التي يتكون منها القطار، إلى جانب طوله ووزنه وتفاصيل قوة الجر) ضرورية لضمان موثوقية الجدولة وإرشاد العملاء. ويُطلب من مشغلي السكك الحديدية الإبلاغ عن هذه البيانات إلى أنظمة معلومات القطارات المركزية.
في قطارات الركاب، يمكن عادةً اشتقاق بيانات التشكيل تلقائيًا من بيانات التخطيط. لكن إدخال البيانات يدويًا يظل ضروريًا في قطارات الإنشاءات وساحات الفرز. وهذا يعني أن موظفي السكك الحديدية يضطرون إلى تسجيل رقم المركبة الأوروبية (EVN) لكل عربة وقاطرة يدويًا، وغالبًا ما يرتدون القفازات، في بيئة مسارات نشطة. وهذه العملية بطيئة ومعرّضة للأخطاء وتشكل خطرًا حقيقيًا على السلامة: فكل ثانية يقضيها العامل منشغلاً بجهاز لوحي تقل فيها يقظته لما يجري حول المسار.
TrainVision: التعرّف الفوري على بيانات السكك الحديدية المتخصصة#
يستخدم TrainVision التعلم الآلي والرؤية الحاسوبية لأتمتة عملية التعرّف من بدايتها إلى نهايتها، ويدعم العمليات اليدوية الحالية مع مسار واضح نحو الأتمتة الكاملة. ويعتمد TrainVision في كشف الأجسام على Ultralytics YOLO لتحديد مواقع عناصر مثل أرقام المركبات الأوروبية (EVN) ولافتات المخاطر داخل الإطار بدقة. وبعد تحديد مواقعها، تستخرج نماذج OCR والتعرّف الخاصة التي دربتها mtrail المعلومات المتخصصة في المجال، فتقرأ رقم EVN نفسه أو تحدد تصنيفات المخاطر أو لافتات الفرامل.
الشكل 1. عرض توضيحي مباشر لـ TrainVision مستفيدًا من Ultralytics YOLO والمدرّب خصيصًا لتمييز أرقام EVN وعلامات العربات. (صورة ملتقطة على نحو خاص).
لتحقيق الدقة التي تتطلبها حالة الاستخدام هذه، تدرّب mtrail نماذجها على صور من العالم الحقيقي مدمجة مع ملايين الصور الاصطناعية المولّدة داخليًا. وبما أن عملية التوليد محددة بالكامل وقابلة للتتبع، فلا حاجة إلى وسم الصور الناتجة يدويًا؛ وهذا يوفر وقتًا كبيرًا ويتيح لـ mtrail إعادة تدريب النماذج بسرعة كلما جرى تحديد حالة طرفية جديدة في العالم الحقيقي (مثل التآكل أو الحجب أو الإضاءة غير المعتادة).
ليس TrainVision نموذجًا واحدًا يناسب جميع الحالات. فلكل منصة مستهدفة، تنشئ mtrail نموذجًا مخصصًا للمنصة ومحسّنًا لبيئة التشغيل المعنية. ويتيح ذلك دمج TrainVision في مجموعة من بيئات النشر، من الأجهزة المحمولة اليدوية إلى أنظمة الكاميرات الثابتة بجانب المسار، مع معالجة كل صورة في 8–30 مللي ثانية فقط.
لماذا Ultralytics YOLO؟#
بالنسبة إلى mtrail، كانت سرعة الكشف والنشر على الأجهزة الطرفية متطلبين لا يقبلان التفاوض. وكان لا بد أن يعمل TrainVision على نحو موثوق على الأجهزة المحمولة في الميدان، لا في مركز بيانات فحسب، وكذلك على النماذج الخاصة بكل منصة والمبنية لبيئة التشغيل المستهدفة.
جعل هذا الأداء Ultralytics YOLO أساس طبقة كشف الأجسام في TrainVision. وتُدرّب نماذج YOLO على صور من العالم الحقيقي لتحديد مواقع عناصر مثل أرقام EVN ولافتات المخاطر بدقة، في عمليات النشر على الأجهزة المحمولة والكاميرات الثابتة على حد سواء. ثم تتولى نماذج OCR والتعرّف الخاصة بـ mtrail المهام المتخصصة في المجال، فتستخرج المعلومات التفصيلية من العناصر التي حدد YOLO مواقعها.
مزايا العملاء والنتائج#
من خلال أتمتة مهمة كانت تعتمد سابقًا كليًا على الإدخال اليدوي، يحقق TrainVision تحسينات قابلة للقياس لمشغلي السكك الحديدية:
- خفض وقت جمع البيانات بنسبة تصل إلى 100%، من خلال إلغاء إدخال بيانات EVN يدويًا في الميدان. وشهدت mtrail ارتفاع الكفاءة من نحو 40% إلى ما يقارب 100% باستخدام Ultralytics YOLO.
- خفض معدل الأخطاء بنسبة لا تقل عن 90%، مقارنة بإدخال البيانات يدويًا.
- تحسين سلامة الموظفين من خلال إزالة تشتيت الانتباه الناتج عن إدخال البيانات يدويًا في مناطق المسارات النشطة.
- إمكانات الأتمتة الكاملة للتركيبات الثابتة، حيث تستطيع أنظمة الكاميرات الثابتة التحقق من مجموعة واسعة من نقاط القياس الخاصة بالسكك الحديدية، بما يشمل التشكيلات والبضائع الخطرة وخصائص الكبح وحالة العربات وتواريخ المراجعة، دون تدخل يدوي.
الخطوات التالية لـ TrainVision#
يمكن بدلاً من ذلك كشف العيوب التي تُسجل اليوم غالبًا يدويًا باستخدام ملصقات مادية تلقائيًا، وإرسالها مباشرةً إلى منصات بيانات السكك الحديدية الأوروبية أو أنظمة الصيانة عبر واجهات موحّدة مثل TAF-TSI. ومن شأن الجمع بين خبرة mtrail في مجال السكك الحديدية والرؤية الحاسوبية بهذا المستوى أن يزيد كفاءة كشف العيوب وجودته، وأن يساعد، عبر توسيع نطاق أخذ العينات العشوائية باستخدام الأنظمة الثابتة، على إنشاء مراقبة سلامة أشمل ومستمرة عبر الشبكة.
ترى mtrail إمكانات كبيرة إضافية في فحوصات السلامة والصيانة التنبؤية لمخزون السكك الحديدية المتحرك. ويُجرى كشف الحالات الشاذة حاليًا يدويًا أثناء نقل هذا المخزون بين المالكين ومؤسسات السكك الحديدية، بما في ذلك عمليات الفحص بأخذ عينات عشوائية المحددة بموجب ISO 2859 والعقد العام لاستخدام عربات الشحن، ما يجعلها تطبيقًا لاحقًا طبيعيًا لقدرات الكشف في TrainVision.
هل ترغب في معرفة كيف يمكن للذكاء الاصطناعي البصري إحداث تحول في عمليات السكك الحديدية والنقل؟ استكشف حلول Ultralytics للقطاعات، وتعرّف على خيارات الترخيص، أو اطّلع على مستودع GitHub للبدء اليوم.
