Applications de la vision par ordinateur dans les opérations ferroviaires

Pour une présentation visuelle des concepts abordés dans cet article, regarde la vidéo ci-dessous.

Les chemins de fer constituent un élément central des systèmes de transport terrestre. Avec plus d'un million de kilomètres de voies à travers le monde, les réseaux ferroviaires relient les villes, les industries et les communautés sur de vastes distances. À mesure que ces systèmes se développent et que la demande augmente, garantir la sécurité et l'efficacité nécessite bien plus que de simples vérifications et une surveillance manuelles.

Les solutions de pointe deviennent de plus en plus essentielles. Par exemple, la vision par ordinateur, une branche de l'intelligence artificielle (IA) qui traite les données visuelles, est utilisée pour rationaliser diverses opérations ferroviaires.

Les systèmes basés sur la vision utilisent des caméras et des modèles de vision par ordinateur comme Ultralytics YOLO11 pour offrir aux opérateurs ferroviaires une connaissance en temps réel des opérations. Grâce à des tâches telles que la détection d'objets et la segmentation d'instances, des modèles comme YOLO11 peuvent intervenir pour analyser les voies, les quais, les tunnels et l'intérieur des trains afin de détecter des objets, des personnes ou des dangers.

Imagine une situation où quelqu'un se tient trop près du bord du quai ou où des débris apparaissent sur la voie. La Vision AI peut les détecter en temps réel et envoyer une alerte, permettant aux équipes en gare de réagir rapidement et d'éviter que des risques potentiels ne se transforment en retards ou en accidents. Elle assiste également le personnel en surveillant des zones difficiles à garder à l'œil en permanence.

Fig 1. Un exemple d'utilisation de YOLO11 pour détecter des personnes debout sur un quai de gare.

À mesure que l'adoption de l'IA et de la vision par ordinateur augmente, de plus en plus de villes commencent à utiliser la Vision AI pour rendre les opérations ferroviaires plus sûres et plus efficaces. Dans cet article, nous explorerons comment la Vision AI est appliquée dans les flux de travail du transport ferroviaire à travers le monde. Commençons !

Link to this sectionLe rôle de la Vision AI dans les opérations de transport ferroviaire#

Les réseaux ferroviaires comportent de nombreuses pièces mobiles qui doivent être surveillées en temps réel. Ce qui était traditionnellement effectué par le personnel en gare peut désormais être automatisé grâce à l'IA. Les modèles de vision par ordinateur comme YOLO11 peuvent aider les opérateurs en gare à surveiller les fonctions ferroviaires plus étroitement et à réagir rapidement lorsque des problèmes surviennent.

En particulier, les tâches de vision par ordinateur font référence aux fonctions spécifiques que ces modèles peuvent être entraînés à effectuer en utilisant les entrées visuelles des caméras. Voici quelques tâches clés qui peuvent être utilisées pour surveiller les opérations ferroviaires :

• Détection d'objets : Cette tâche consiste à identifier et localiser des objets spécifiques dans une image ou une trame vidéo. Dans les applications ferroviaires, des modèles comme YOLO11 peuvent détecter des éléments tels que des débris, des outils, des bagages ou des personnes sur ou près des voies.

• Suivi d'objets : Cela fait référence à la surveillance du mouvement des objets détectés à travers plusieurs trames vidéo. Dans les gares ou à bord des trains, le suivi aide à observer le flux des passagers et à surveiller les mouvements des trains.

• Estimation de pose : Cela implique de détecter et d'analyser les positions des articulations corporelles clés pour comprendre la posture humaine. Dans les contextes ferroviaires, cela peut aider à identifier les situations d'urgence, comme une personne qui s'effondre sur un quai, déclenchant des alertes pour intervention.

• Segmentation d'instances : Elle se concentre sur la classification de chaque pixel d'une image dans des catégories prédéfinies. Dans la surveillance des infrastructures ferroviaires, elle peut être utilisée pour évaluer l'état des voies, des quais et d'autres surfaces en identifiant des caractéristiques comme les fissures, la corrosion ou l'usure.

Fig 2. YOLO11 peut être utilisé pour détecter et suivre des personnes et des trains à des fins de sécurité.

Link to this sectionUtiliser la Vision AI pour la surveillance ferroviaire#

Bien que la surveillance par vision soit généralement associée à la sécurité et à la sûreté, les systèmes ferroviaires utilisent la Vision AI pour bien plus que de simples tâches de sécurité de base. Elle joue également un rôle dans l'amélioration des opérations, le renforcement de la sécurité et le soutien à la gestion globale du système à travers le réseau.

Un avantage clé de l'utilisation de la Vision AI dans les transports publics est sa capacité à fonctionner en temps réel, donnant au personnel en gare des informations opportunes et utiles pour anticiper les problèmes potentiels.

Regardons quelques exemples concrets de la façon dont la vision par ordinateur aide les chemins de fer à fonctionner avec une plus grande précision et un meilleur contrôle.

Link to this sectionDétection d'objets dans les systèmes ferroviaires pour les tâches de maintenance#

Alors que le trafic ferroviaire continue de croître en Europe, le besoin d'une surveillance fiable des infrastructures est devenu crucial. Les voies doivent être régulièrement inspectées pour détecter l'usure, les dommages et les désalignements afin de faciliter des opérations sûres et fluides. Cela implique de vérifier des milliers de kilomètres de rail pour détecter les signes précoces de défauts avant qu'ils ne conduisent à des perturbations coûteuses ou à des accidents. La Vision AI offre un moyen efficace d'automatiser et d'améliorer ce processus d'inspection.

Fig 3. Les systèmes de vision par ordinateur peuvent détecter des pièces défectueuses des voies ferrées.

Par exemple, aux Pays-Bas, où le réseau ferroviaire s'étend sur des milliers de kilomètres, la surveillance et l'entretien constants des voies sont une tâche énorme. Bien que les inspections manuelles soient toujours importantes, elles peuvent être lentes, intensives en main-d'œuvre et perturber souvent le service. Pour résoudre ce problème, un système de vision par ordinateur a été introduit pour inspecter l'état des voies ferrées en temps réel.

Des caméras montées sur des trains en mouvement capturent un flux continu d'images haute résolution. Ces visuels sont ensuite analysés par des modèles de Vision AI entraînés à détecter les désalignements des voies, les composants usés ou endommagés et les pièces manquantes.

Avec une surveillance continue et automatisée en place, les inspections sont non seulement plus rapides, mais aussi plus précises. Les équipes de maintenance peuvent hiérarchiser les zones qui ont le plus besoin d'attention, réduisant ainsi les vérifications inutiles. En conséquence, les opérateurs ont pu réduire les risques opérationnels, diminuer les retards et améliorer la sécurité globale, sans interrompre le service quotidien.

Link to this sectionRenforcer la sécurité des opérations avec l'IA dans l'infrastructure ferroviaire#

Dans les projets ferroviaires à grande échelle, maintenir la sécurité sur site est l'un des défis les plus persistants. Cela était particulièrement vrai pendant la construction du réseau ferroviaire urbain de Wuhan en Chine, où les chantiers actifs et les conditions changeantes nécessitaient une surveillance constante.

Traditionnellement, les contrôles de sécurité reposaient sur l'observation manuelle, ce qui signifiait souvent que les risques n'étaient identifiés qu'après un incident. Pour améliorer les temps de réponse et réduire les risques, les chercheurs ont introduit un système de surveillance de la sécurité en temps réel propulsé par la vision par ordinateur.

Plus de 240 caméras haute définition ont été installées sur les chantiers de construction pour enregistrer l'activité en continu. Les séquences vidéo étaient traitées sur site à l'aide de modèles d'IA capables de détecter non seulement quand des individus entraient dans des zones dangereuses, mais aussi si l'équipement à proximité était stationnaire ou en mouvement - un facteur important dans l'évaluation des risques en temps réel. Lorsqu'un comportement dangereux était détecté, le système pouvait envoyer des alertes immédiates aux superviseurs de site.

Fig 4. Détection des dangers à l'aide de la vision par ordinateur.

Link to this sectionUn regard sur la surveillance ferroviaire utilisant la Vision AI#

En plus d'améliorer la maintenance et les inspections de sécurité, la vision par ordinateur est également utilisée pour surveiller les voies ferrées en temps réel contre les intrusions. Il s'agit d'une préoccupation sérieuse, avec 995 décès liés au chemin de fer signalés aux États-Unis en 2023 seulement. Beaucoup de ces incidents impliquaient un accès non autorisé aux voies, un domaine où les méthodes de surveillance traditionnelles sont souvent limitées.

Pour résoudre ce problème, les chemins de fer aux États-Unis commencent à adopter des solutions de vision par ordinateur. Ces systèmes utilisent des flux vidéo en direct, analysés par des modèles d'IA, pour détecter des événements tels que les intrusions, les obstructions sur les voies et les violations potentielles de signalisation. En identifiant ces problèmes dès qu'ils surviennent, le système aide les équipes à réagir rapidement, avant que le service ne soit perturbé ou que la sécurité ne soit mise en péril.

Contrairement aux inspections manuelles qui se produisent à des intervalles fixes, les systèmes de vision par ordinateur offrent une surveillance continue en temps réel sur tout le réseau. Lorsqu'une menace est détectée, des alertes sont envoyées immédiatement aux opérateurs, permettant des réponses rapides et ciblées. Cela conduit à une meilleure connaissance de la situation, des interventions plus rapides et moins de retards causés par des incidents évitables.

Link to this sectionSurveillance de la sécurité alimentaire avec la Vision AI#

Chaque jour, des millions de repas sont préparés et servis dans les trains et les gares, où l'hygiène est une priorité absolue. En Inde, l'Indian Railway Catering and Tourism Corporation (IRCTC) gère l'un des plus grands réseaux de restauration ferroviaire au monde.

Jusqu'à récemment, les contrôles d'hygiène étaient effectués manuellement, ce qui rendait difficile la surveillance de chaque cuisine tout le temps. Pour rendre les choses plus efficaces et fiables, l'IRCTC a introduit un système de Vision AI qui garde un œil sur les pratiques de sécurité alimentaire en temps réel.

Le système se connecte aux caméras CCTV existantes dans les cuisines et les zones de préparation des aliments. Il utilise des modèles d'IA entraînés à repérer les problèmes d'hygiène courants comme le personnel ne se lavant pas les mains, l'absence de gants ou de charlottes, ou des postes de travail malpropres.

Depuis son déploiement, le système a aidé à améliorer les normes d'hygiène et a facilité la tâche du personnel pour maintenir la sécurité alimentaire, tout en passant plus de temps à se concentrer sur la préparation des repas, et non juste sur la vérification des procédures.

Link to this sectionAvantages et inconvénients de la vision par ordinateur dans les opérations ferroviaires#

La vision par ordinateur offre une gamme d'avantages lorsqu'il s'agit d'améliorer la sécurité, la maintenance et les opérations quotidiennes dans les systèmes ferroviaires. Voici quelques-uns des avantages clés :

• Maintenance prédictive : En détectant les signes précoces d'usure ou de dommages sur les voies et l'infrastructure, la Vision AI peut aider à prévenir les défaillances avant qu'elles ne surviennent.
• Surveillance 24h/24 et 7j/7 : Contrairement aux inspecteurs humains, les systèmes de vision par ordinateur peuvent fonctionner en continu sans fatigue ni roulement.
• Évolutivité : Une fois mis en œuvre, le même système peut être étendu pour couvrir davantage de gares, de trains ou de zones opérationnelles avec un effort supplémentaire minimal.

Malgré les nombreux aspects positifs que la Vision AI apporte au transport ferroviaire, il reste des défis dans le déploiement et la maintenance de ces systèmes. Voici quelques inconvénients à considérer :

• Problèmes de confidentialité : La surveillance continue dans les lieux publics peut soulever des problèmes éthiques et un inconfort chez les passagers et le personnel.
• Coût initial élevé : La mise en place d'un système de Vision AI, incluant les caméras, les serveurs et le logiciel d'IA, nécessite un investissement initial important.
• Intégration complexe : L'intégration des systèmes de vision par ordinateur avec l'infrastructure existante, comme les systèmes de signalisation ou de contrôle hérités, peut être techniquement difficile.

Link to this sectionPoints clés#

À mesure que les réseaux ferroviaires se développent, la demande pour des systèmes en temps réel fournissant des informations fiables augmente. Les systèmes de vision par ordinateur utilisent la détection d'objets, les vérifications structurelles et les alertes en temps réel pour aider les opérateurs à réagir rapidement et précisément aux problèmes.

Les outils d'IA améliorent les opérations quotidiennes et réduisent également les coûts de maintenance à long terme et les risques de sécurité. À mesure que ces outils s'améliorent, l'IA est prête à jouer un rôle marquant dans l'efficacité, la réactivité et la sécurité des systèmes ferroviaires.

Rejoins notre communauté grandissante ! Explore notre référentiel GitHub pour en savoir plus sur l'IA. Prêt à démarrer tes projets de vision par ordinateur ? Consulte nos options de licence. Découvre l'IA dans l'agriculture et la Vision AI dans la santé en visitant nos pages de solutions !