Anwendungen von Computer Vision im Bahnbetrieb

Für eine visuelle Übersicht der in diesem Artikel behandelten Konzepte, schau dir das Video unten an.

Eisenbahnen sind ein Kernbestandteil der Landverkehrssysteme. Mit einer weltweiten Streckenlänge von über 1 Million Kilometern verbinden Schienennetze Städte, Industrien und Gemeinschaften über riesige Entfernungen. Da diese Systeme expandieren und die Nachfrage steigt, erfordert die Gewährleistung von Sicherheit und Effizienz mehr als nur manuelle Kontrollen und Überwachung.

Hochmoderne Lösungen werden zunehmend unerlässlich. Zum Beispiel wird Computer Vision, ein Zweig der künstlichen Intelligenz (KI), der sich mit der Verarbeitung visueller Daten befasst, eingesetzt, um verschiedene Eisenbahnbetriebe zu optimieren.

Sehbasierte Systeme nutzen Kameras und Computer-Vision-Modelle wie Ultralytics YOLO11, um Bahnbetreibern eine Echtzeit-Übersicht über den Betrieb zu geben. Durch Aufgaben wie Objekterkennung und Instanzsegmentierung können Modelle wie YOLO11 eingreifen, um Gleise, Bahnsteige, Tunnel und das Innere von Zügen zu analysieren und Objekte, Personen oder Gefahren zu erkennen.

Stell dir eine Situation vor, in der jemand zu nah an der Bahnsteigkante steht oder Schutt auf den Gleisen liegt. Vision AI kann dies in Echtzeit erkennen und einen Alarm auslösen, sodass Bahnhofsteams schnell reagieren und verhindern können, dass potenzielle Risiken zu Verspätungen oder Unfällen führen. Es unterstützt das Personal zudem bei der Überwachung von Bereichen, die nur schwer ständig im Blick behalten werden können.

Abb. 1: Ein Beispiel für die Verwendung von Ultralytics YOLO11 zum Erkennen von Personen auf einem Bahnsteig.

Mit der zunehmenden Einführung von KI und Computer Vision beginnen immer mehr Städte, Vision AI zur sichereren und effizienteren Gestaltung des Bahnbetriebs einzusetzen. In diesem Artikel untersuchen wir, wie Vision AI in den Arbeitsabläufen des Schienenverkehrs weltweit angewendet wird. Lass uns anfangen!

Die Rolle von Vision AI im Schienenverkehr#

Schienennetze beinhalten viele bewegliche Teile, die in Echtzeit überwacht werden müssen. Was früher vom Stationspersonal erledigt wurde, kann heute mithilfe von KI automatisiert werden. Computer-Vision-Modelle wie YOLO11 können Bahnhofsbetreibern helfen, Bahnfunktionen genauer zu überwachen und schnell zu reagieren, wenn Probleme auftreten.

Insbesondere beziehen sich Computer-Vision-Aufgaben auf die spezifischen Funktionen, die diese Modelle trainiert werden können, um sie mithilfe visueller Eingaben von Kameras auszuführen. Hier sind einige Schlüsselfunktionen, die zur Überwachung des Bahnbetriebs genutzt werden können:

• Objekterkennung: Diese Aufgabe umfasst das Identifizieren und Lokalisieren spezifischer Objekte in einem Bild oder Videoframes. In Eisenbahnanwendungen können Modelle wie Ultralytics YOLO11 Elemente wie Ablagerungen, Werkzeuge, Gepäck oder Personen auf oder in der Nähe der Gleise erkennen.

• Objekttracking: Dies bezieht sich auf die Überwachung der Bewegung erkannter Objekte über mehrere Videoframes hinweg. An Bahnhöfen oder in Zügen hilft Tracking dabei, den Passagierfluss zu verfolgen und Zugbewegungen zu überwachen.

• Pose Estimation: Dabei werden die Positionen wichtiger Körpergelenke erkannt und analysiert, um die menschliche Körperhaltung zu verstehen. Im Bahnumfeld kann dies helfen, Notsituationen zu identifizieren, wie etwa eine Person, die auf einem Bahnsteig zusammenbricht, und Alarme für Hilfeleistungen auszulösen.

• Instanzsegmentierung: Dies konzentriert sich auf die Klassifizierung jedes Pixels in einem Bild in vordefinierte Kategorien. Bei der Überwachung der Bahninfrastruktur kann dies zur Bewertung des Zustands von Gleisen, Bahnsteigen und anderen Oberflächen durch die Identifizierung von Merkmalen wie Rissen, Korrosion oder Verschleiß verwendet werden.

Abb. 2: Ultralytics YOLO11 kann verwendet werden, um Personen und Züge für Sicherheitszwecke zu erkennen und zu verfolgen.

Einsatz von Vision AI für die Bahnüberwachung#

Während visionbasierte Überwachung typischerweise mit Sicherheit und Überwachung in Verbindung gebracht wird, nutzen Bahnsysteme Vision AI für weit mehr als nur grundlegende Sicherheitsaufgaben. Sie spielt auch eine Rolle bei der Verbesserung der Betriebsabläufe, der Erhöhung der Sicherheit und der Unterstützung des gesamten Systemmanagements im Netzwerk.

Ein wesentlicher Vorteil der Verwendung von Vision AI im öffentlichen Nahverkehr ist die Fähigkeit, in Echtzeit zu arbeiten, wodurch das Stationspersonal rechtzeitig nützliche Informationen erhält, um potenziellen Problemen zuvorzukommen.

Lass uns einige Beispiele aus der Praxis ansehen, wie Computer Vision der Eisenbahn hilft, mit größerer Präzision und Kontrolle zu arbeiten.

Objekterkennung in Bahnsystemen für Wartungsaufgaben#

Da der Bahnverkehr in Europa weiter zunimmt, ist die Notwendigkeit einer zuverlässigen Infrastrukturüberwachung entscheidend geworden. Gleise müssen regelmäßig auf Verschleiß, Schäden und Fehlstellungen überprüft werden, um einen sicheren und reibungslosen Betrieb zu gewährleisten. Dies umfasst die Kontrolle tausender Kilometer Schienen auf frühe Anzeichen von Defekten, bevor diese zu kostspieligen Störungen oder Unfällen führen. Vision AI bietet einen effektiven Weg, diesen Inspektionsprozess zu automatisieren und zu verbessern.

Abb. 3. Computer-Vision-Systeme können defekte Teile von Eisenbahngleisen erkennen.

In den Niederlanden beispielsweise, wo sich das Schienennetz über Tausende von Kilometern erstreckt, ist die ständige Überwachung und Wartung der Gleise eine enorme Aufgabe. Manuelle Inspektionen sind zwar nach wie vor wichtig, können aber langsam und arbeitsintensiv sein und stören oft den Betrieb. Um dies zu lösen, wurde ein Computer-Vision-System eingeführt, um die Bedingungen der Schienenwege in Echtzeit zu überprüfen.

Kameras, die an fahrenden Zügen montiert sind, erfassen einen kontinuierlichen Strom hochauflösender Bilder. Diese visuellen Daten werden dann von Vision-KI-Modellen analysiert, die darauf trainiert sind, Gleisunregelmäßigkeiten, abgenutzte oder beschädigte Komponenten und fehlende Teile zu erkennen.

Mit der kontinuierlichen, automatisierten Überwachung sind Inspektionen nicht nur schneller, sondern auch genauer. Wartungsteams können die Bereiche priorisieren, die am dringendsten Aufmerksamkeit benötigen, wodurch unnötige Kontrollen reduziert werden. Infolgedessen konnten Betreiber Betriebsrisiken senken, Verspätungen reduzieren und die allgemeine Sicherheit verbessern, ohne den täglichen Betrieb zu unterbrechen.

Sichererer Betrieb mit KI in der Bahninfrastruktur#

Bei großen Bahnprojekten ist die Aufrechterhaltung der Sicherheit vor Ort eine der hartnäckigsten Herausforderungen. Dies galt insbesondere während des Baus des städtischen Schienennetzes in Wuhan, China, wo aktive Baustellen und sich ändernde Bedingungen eine ständige Aufsicht erforderten.

Traditionell basierten Sicherheitsüberprüfungen auf manueller Beobachtung, was oft bedeutete, dass Risiken erst nach einem Vorfall erkannt wurden. Um die Reaktionszeiten zu verbessern und das Risiko zu verringern, führten Forscher ein auf Computer Vision basierendes Sicherheitsüberwachungssystem in Echtzeit ein.

Mehr als 240 HD-Kameras wurden auf den Baustellen installiert, um die Aktivitäten kontinuierlich aufzuzeichnen. Das Videomaterial wurde vor Ort mit KI-Modellen verarbeitet, die in der Lage sind, nicht nur zu erkennen, wenn Personen gefährliche Bereiche betraten, sondern auch, ob sich Ausrüstung in der Nähe im Stillstand oder in Bewegung befand – ein wichtiger Faktor bei der Bewertung des Risikos in Echtzeit. Wenn unsicheres Verhalten erkannt wurde, konnte das System sofortige Warnungen an die Bauleiter senden.

Abb. 4. Erkennung von Gefahren mittels Computer Vision.

Ein Blick auf die Bahnüberwachung mit Vision AI#

Zusätzlich zur Verbesserung von Wartungs- und Sicherheitsinspektionen wird Computer Vision auch eingesetzt, um Bahngleise in Echtzeit auf unbefugtes Betreten zu überwachen. Dies ist ein ernstes Anliegen: Allein in den Vereinigten Staaten wurden 2023 995 bahnbezogene Todesfälle gemeldet. Viele dieser Vorfälle betrafen unbefugten Zutritt zu Gleisen, ein Bereich, in dem herkömmliche Überwachungsmethoden oft begrenzt sind.

Um dem entgegenzuwirken, beginnen Eisenbahnen in den Vereinigten Staaten, Computer-Vision-Lösungen einzuführen. Diese Systeme nutzen Live-Videostreams, die von KI-Modellen analysiert werden, um Ereignisse wie unbefugtes Betreten, Hindernisse auf den Gleisen und mögliche Signalverstöße zu erkennen. Indem das System diese Probleme bei ihrem Auftreten identifiziert, hilft es Teams, schnell zu reagieren, bevor der Betrieb gestört oder die Sicherheit gefährdet wird.

Im Gegensatz zu manuellen Inspektionen, die in festgelegten Abständen erfolgen, bieten Computer-Vision-Systeme eine kontinuierliche Überwachung in Echtzeit über das gesamte Netzwerk hinweg. Wenn eine Bedrohung erkannt wird, werden sofort Warnungen an das Personal gesendet, was schnelle, gezielte Reaktionen ermöglicht. Dies führt zu einem verbesserten Situationsbewusstsein, schnellerem Eingreifen und weniger Verspätungen aufgrund vermeidbarer Vorfälle.

Lebensmittelsicherheitsüberwachung mit Vision AI#

Jeden Tag werden Millionen von Mahlzeiten in Zügen und an Bahnhöfen zubereitet und serviert, wo Hygiene oberste Priorität hat. In Indien verwaltet die Indian Railway Catering and Tourism Corporation (IRCTC) eines der größten Lebensmittel-Netzwerke der Eisenbahn weltweit.

Bis vor Kurzem wurden Hygieneprüfungen manuell durchgeführt, was es schwierig machte, jede Küche ständig zu überwachen. Um die Abläufe effizienter und zuverlässiger zu gestalten, führte IRCTC ein Vision-KI-System ein, das die Lebensmittelsicherheitspraktiken in Echtzeit im Auge behält.

Das System ist mit vorhandenen CCTV-Kameras in Küchen und Bereichen zur Lebensmittelzubereitung verbunden. Es verwendet KI-Modelle, die darauf trainiert sind, häufige Hygieneprobleme wie das Nichtwaschen der Hände durch Mitarbeiter, fehlende Handschuhe oder Haarnetze oder unsaubere Arbeitsplätze zu erkennen.

Seit seiner Einführung hat das System dazu beigetragen, die Hygienestandards zu verbessern, und es den Mitarbeitern erleichtert, die Lebensmittelsicherheit im Blick zu behalten, während sie mehr Zeit für die Zubereitung von Mahlzeiten anstatt nur für die Überprüfung von Verfahren aufwenden.

Vor- und Nachteile von Computer Vision im Bahnbetrieb#

Computer Vision bietet eine Reihe von Vorteilen bei der Verbesserung von Sicherheit, Wartung und täglichen Abläufen in Bahnsystemen. Hier sind einige der wichtigsten Vorteile:

• Predictive Maintenance: Durch das Erkennen früher Anzeichen von Verschleiß oder Schäden an Gleisen und Infrastruktur kann Vision AI dazu beitragen, Ausfälle zu verhindern, bevor sie auftreten.
• 24/7-Überwachung: Im Gegensatz zu menschlichen Prüfern können Computer-Vision-Systeme kontinuierlich und ohne Ermüdung oder Schichtwechsel betrieben werden.
• Skalierbarkeit: Sobald das System implementiert ist, kann es mit minimalem Zusatzaufwand auf weitere Bahnhöfe, Züge oder Betriebszonen ausgeweitet werden.

Trotz der vielen positiven Aspekte, die Vision AI für den Schienenverkehr mit sich bringt, gibt es bei der Bereitstellung und Wartung dieser Systeme noch Herausforderungen. Hier sind einige Nachteile, die bedacht werden sollten:

• Datenschutzbedenken: Kontinuierliche Überwachung in öffentlichen Bereichen kann ethische Fragen und Unbehagen bei Fahrgästen und Personal aufwerfen.
• Hohe Anfangskosten: Die Einrichtung eines Vision-AI-Systems, einschließlich Kameras, Servern und KI-Software, erfordert erhebliche Anfangsinvestitionen.
• Komplexe Integration: Die Integration von Computer-Vision-Systemen in bestehende Infrastrukturen, wie z.B. ältere Signal- oder Steuerungssysteme, kann technisch herausfordernd sein.

Wichtige Erkenntnisse#

Mit dem Wachstum der Eisenbahnnetze steigt der Bedarf an Echtzeitsystemen, die zuverlässige Einblicke bieten. Computer-Vision-Systeme nutzen Objekterkennung, strukturelle Prüfungen und Echtzeit-Warnungen, um Betreibern zu helfen, schnell und präzise auf Probleme zu reagieren.

KI-Tools verbessern den täglichen Betrieb und senken zudem langfristige Wartungskosten und Sicherheitsrisiken. Da sich diese Tools weiterentwickeln, wird KI eine wirkungsvolle Rolle dabei spielen, Bahnsysteme effizienter, reaktionsfähiger und sicherer zu machen.

Werde Teil unserer wachsenden Community! Erkunde unser GitHub-Repository, um mehr über KI zu erfahren. Bist du bereit, deine Computer-Vision-Projekte zu starten? Sieh dir unsere Lizenzierungsoptionen an. Entdecke KI in der Landwirtschaft und Vision AI im Gesundheitswesen, indem du unsere Lösungsseiten besuchst!