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 zentraler Bestandteil bodengebundener Verkehrssysteme. Mit einem Streckennetz von über 1 Million Kilometern weltweit verbinden Eisenbahnnetze Städte, Industrien und Gemeinden über riesige Distanzen. Mit der Expansion dieser Systeme und dem wachsenden Bedarf erfordert die Gewährleistung von Sicherheit und Effizienz mehr als nur manuelle Kontrollen und Überwachungen.

Innovative Lösungen werden immer wichtiger. Zum Beispiel wird Computer Vision, ein Teilbereich der künstlichen Intelligenz (KI), die sich mit der Verarbeitung visueller Daten befasst, eingesetzt, um verschiedene Abläufe bei der Eisenbahn zu optimieren.

Vision-fähige Systeme nutzen Kameras und Computer-Vision-Modelle wie Ultralytics YOLO11, um Bahnbetreibern Echtzeit-Einblicke in den Betrieb zu geben. Durch Aufgaben wie Objekterkennung und Instanzsegmentierung können Modelle wie YOLO11 dabei helfen, Gleise, Bahnsteige, Tunnel und Zuginnenräume zu analysieren, um 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 den Einsatz von YOLO11 zur Erkennung von Personen, die auf einem Bahnsteig stehen.

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!

Link to this sectionDie Rolle von Vision AI im Schienenverkehr#

Eisenbahnnetze beinhalten viele bewegliche Teile, die in Echtzeit überwacht werden müssen. Was früher vom Bahnhofspersonal erledigt wurde, kann heute durch KI automatisiert werden. Computer-Vision-Modelle wie YOLO11 helfen Bahnhofsbetreibern, die Bahnabläufe genauer zu überwachen und bei Problemen schnell zu reagieren.

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

• Objekterkennung: Diese Aufgabe beinhaltet die Identifizierung und Lokalisierung spezifischer Objekte innerhalb eines Bild- oder Videoframes. In Bahnanwendungen können Modelle wie YOLO11 Gegenstände wie Schutt, 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: YOLO11 kann zur Erkennung und Verfolgung von Personen und Zügen zu Sicherheitszwecken eingesetzt werden.

Link to this sectionEinsatz 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 Nutzung von Vision AI im öffentlichen Nahverkehr ist die Fähigkeit, in Echtzeit zu arbeiten und dem Bahnhofspersonal zeitnahe und nützliche Informationen zu liefern, 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.

Link to this sectionObjekterkennung 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 Bahngleisen erkennen.

Zum Beispiel in den Niederlanden, wo das Eisenbahnnetz tausende Kilometer umfasst, ist die ständige Überwachung und Instandhaltung der Gleise eine riesige Aufgabe. Während manuelle Inspektionen nach wie vor wichtig sind, können sie langsam und arbeitsintensiv sein und führen oft zu Betriebsstörungen. Um dies zu lösen, wurde ein Computer-Vision-System eingeführt, um Gleiszustände in Echtzeit zu inspizieren.

Kameras, die an fahrenden Zügen montiert sind, erfassen einen kontinuierlichen Strom hochauflösender Bilder. Diese visuellen Daten werden dann von Vision-AI-Modellen analysiert, die darauf trainiert sind, Gleisfehlstellungen, verschlissene oder beschädigte Komponenten sowie 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.

Link to this sectionSichererer 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 Sicherheitskontrollen auf manueller Beobachtung, was oft dazu führte, dass Risiken erst erkannt wurden, nachdem ein Vorfall bereits eingetreten war. Um die Reaktionszeiten zu verbessern und Risiken zu reduzieren, führten Forscher ein auf Computer Vision basierendes Sicherheitsüberwachungssystem ein.

Mehr als 240 hochauflösende Kameras wurden auf den Baustellen installiert, um Aktivitäten kontinuierlich aufzuzeichnen. Das Videomaterial wurde vor Ort mit KI-Modellen verarbeitet, die nicht nur erkennen konnten, wenn Personen gefährliche Bereiche betraten, sondern auch, ob sich Geräte in der Nähe bewegten oder stillstanden – ein wichtiger Faktor bei der Risikobewertung in Echtzeit. Wenn unsicheres Verhalten erkannt wurde, konnte das System sofort Warnungen an die Bauleiter senden.

Abb. 4. Erkennung von Gefahren mittels Computer Vision.

Link to this sectionEin 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 dies anzugehen, beginnen Eisenbahnen in den USA mit der Einführung von Computer-Vision-Lösungen. Diese Systeme nutzen Live-Video-Feeds, die von KI-Modellen analysiert werden, um Ereignisse wie unbefugtes Betreten, Hindernisse auf den Gleisen und potenzielle Signalverletzungen zu erkennen. Durch die sofortige Identifizierung dieser Probleme unterstützt das System die Teams dabei, 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.

Link to this sectionLebensmittelsicherheitsüberwachung 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 erfolgten Hygienekontrollen manuell, was es schwierig machte, jede Küche ständig zu überwachen. Um effizienter und zuverlässiger zu werden, führte die IRCTC ein Vision-AI-System ein, das Lebensmittelsicherheitspraktiken in Echtzeit überwacht.

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 der Einführung hat das System dazu beigetragen, Hygienestandards zu verbessern und es dem Personal erleichtert, die Lebensmittelsicherheit im Blick zu behalten, während sie sich stärker auf die Zubereitung von Mahlzeiten konzentrieren können, anstatt nur Verfahren zu prüfen.

Link to this sectionVor- 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: Einmal implementiert, kann das gleiche System mit minimalem zusätzlichem Aufwand auf mehr 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 aufwerfen und bei Passagieren sowie Mitarbeitern für Unbehagen sorgen.
• 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.

Link to this sectionWichtige 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.

Tritt unserer wachsenden Community bei! Erkunde unser GitHub repository, um mehr über KI zu erfahren. Bereit, deine Computer-Vision-Projekte zu starten? Sieh dir unsere Lizenzoptionen an. Entdecke KI in der Landwirtschaft und Vision AI im Gesundheitswesen, indem du unsere Lösungsseiten besuchst!