Applications de la vision par ordinateur dans les opérations ferroviaires

Pour découvrir visuellement les concepts abordés dans cet article, regarde la vidéo ci-dessous.

Les chemins de fer sont un élément essentiel des systèmes de transport terrestre. S’étendant sur plus d’un million de kilomètres de lignes dans 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 plus que de simples vérifications et une surveillance manuelles.

Les solutions de pointe deviennent de plus en plus indispensables. 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 donner aux opérateurs ferroviaires une visibilité en temps réel sur les opérations. Grâce à des tâches comme la détection d’objets et la segmentation d’instances, des modèles comme YOLO11 peuvent 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 une personne se tient trop près du bord du quai ou où des débris apparaissent sur la voie. L’IA de vision peut les détecter en temps réel et envoyer une alerte, ce qui permet aux équipes de la gare d’intervenir rapidement et d’empêcher que des risques potentiels ne se transforment en retards ou en accidents. Elle aide également le personnel en surveillant des zones difficiles à observer en permanence.

Fig. 1. Exemple d’utilisation d’Ultralytics YOLO11 pour détecter des personnes se tenant sur un quai de gare.

À mesure que l’adoption de l’IA et de la vision par ordinateur progresse, de plus en plus de villes commencent à utiliser l’IA de vision pour rendre les opérations ferroviaires plus sûres et plus efficaces. Dans cet article, nous allons explorer comment l’IA de vision est appliquée aux flux de travail du transport ferroviaire dans le monde entier. Commençons !

Le rôle de l’IA de vision dans les opérations de transport ferroviaire#

Les réseaux ferroviaires impliquent de nombreux éléments mobiles qui doivent être surveillés en temps réel. Ce qui était traditionnellement effectué par le personnel des gares peut désormais être automatisé grâce à l’IA. Les modèles de vision par ordinateur comme YOLO11 peuvent aider les opérateurs de gare à surveiller plus étroitement les activités ferroviaires et à intervenir rapidement en cas de problème.

Plus précisément, les tâches de vision par ordinateur désignent les fonctions spécifiques que ces modèles peuvent être entraînés à réaliser à partir des données visuelles fournies par les caméras. Voici quelques tâches clés qui peuvent être utilisées pour surveiller les opérations ferroviaires :

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

• Suivi d’objets : cette tâche consiste à surveiller le déplacement d’objets détectés sur plusieurs trames vidéo. Dans les gares ou à bord des trains, le suivi aide à suivre le flux de passagers et à surveiller les déplacements des trains.

• Estimation de pose : elle consiste à détecter et à analyser la position des articulations clés du corps afin de comprendre la posture humaine. Dans les environnements ferroviaires, elle peut aider à identifier des situations d’urgence, comme une personne qui s’effondre sur un quai, et déclencher des alertes pour permettre une intervention.

• Segmentation d’instances : elle consiste à classer chaque pixel d’une image dans des catégories prédéfinies. Pour surveiller les infrastructures ferroviaires, elle peut servir à 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. Ultralytics YOLO11 peut être utilisé pour détecter et suivre des personnes et des trains à des fins de sécurité.

Utiliser l’IA de vision pour surveiller les chemins de fer#

Bien que la surveillance basée sur la vision soit généralement associée à la sécurité et à la vidéosurveillance, les systèmes ferroviaires utilisent l’IA de vision pour bien plus que de simples tâches de sécurité. Elle joue également un rôle dans l’amélioration des opérations, le renforcement de la sécurité et la gestion globale du système sur l’ensemble du réseau.

L’un des principaux avantages de l’utilisation de l’IA de vision dans les transports publics est sa capacité à fonctionner en temps réel, en fournissant au personnel des gares des informations utiles et disponibles à temps pour anticiper les problèmes potentiels.

Examinons quelques exemples concrets de la façon dont la vision par ordinateur aide les réseaux ferroviaires à fonctionner avec davantage de précision et de contrôle.

Détection 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 essentiel. Les voies doivent être inspectées régulièrement afin de détecter l’usure, les dommages et les défauts d’alignement, et ainsi garantir des opérations sûres et fluides. Cela implique de contrôler des milliers de kilomètres de voies pour repérer les premiers signes de défauts avant qu’ils n’entraînent des perturbations coûteuses ou des accidents. L’IA de vision offre un moyen efficace d’automatiser et d’améliorer ce processus d’inspection.

Fig. 3. Les systèmes de vision par ordinateur peuvent détecter les éléments défectueux des voies ferrées.

Par exemple, aux Pays-Bas, où le réseau ferroviaire s’étend sur des milliers de kilomètres, surveiller et entretenir constamment les voies représente une tâche considérable. Bien que les inspections manuelles restent importantes, elles peuvent être lentes, exigeantes en main-d’œuvre et perturbent souvent le service. Pour résoudre ce problème, un système de vision par ordinateur a été mis en place pour inspecter l’état des voies ferrées en temps réel.

Des caméras installées sur des trains en mouvement capturent un flux continu d’images haute résolution. Ces images sont ensuite analysées par des modèles d’IA de vision entraînés à détecter les défauts d’alignement des voies, les composants usés ou endommagés et les pièces manquantes.

Grâce à une surveillance continue et automatisée, les inspections sont non seulement plus rapides, mais aussi plus précises. Les équipes de maintenance peuvent donner la priorité aux zones qui nécessitent le plus d’attention, réduisant ainsi les contrôles inutiles. Les opérateurs ont ainsi pu réduire les risques opérationnels et les retards, tout en améliorant la sécurité globale sans interrompre le service quotidien.

Améliorer la sécurité des opérations grâce à l’IA dans les infrastructures ferroviaires#

Dans les projets ferroviaires de grande envergure, maintenir la sécurité sur site est l’un des défis les plus persistants. Cela était particulièrement vrai lors de la construction du réseau ferroviaire urbain de Wuhan, en Chine, où des chantiers actifs et des conditions changeantes exigeaient 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 la survenue d’un incident. Pour améliorer les temps de réaction et réduire les risques, des chercheurs ont mis en place un système de surveillance de la sécurité en temps réel alimenté par la vision par ordinateur.

Plus de 240 caméras haute définition ont été installées sur les chantiers afin d’enregistrer en continu les activités. Les séquences vidéo étaient traitées sur site à l’aide de modèles d’IA capables de détecter non seulement l’entrée de personnes dans des zones dangereuses, mais aussi si les équipements situés à proximité étaient à l’arrêt ou en mouvement, un facteur important pour évaluer les risques en temps réel. Lorsqu’un comportement dangereux était détecté, le système pouvait envoyer des alertes immédiates aux responsables du site.

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

La surveillance ferroviaire par l’IA de vision en bref#

En plus d’améliorer la maintenance et les inspections de sécurité, la vision par ordinateur est également utilisée pour surveiller en temps réel les voies ferrées et détecter les intrusions. Il s’agit d’un problème sérieux : 995 décès liés aux chemins de fer ont été signalés aux États-Unis en 2023. Nombre de ces incidents impliquaient un accès non autorisé aux voies, un domaine dans lequel les méthodes de surveillance traditionnelles sont souvent limitées.

Pour y remédier, les réseaux ferroviaires des 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 obstacles sur les voies et les violations potentielles de la signalisation. En identifiant ces problèmes au moment où ils surviennent, le système aide les équipes à intervenir rapidement, avant qu’une perturbation du service ou un risque pour la sécurité ne se produise.

Contrairement aux inspections manuelles, effectuées à intervalles définis, les systèmes de vision par ordinateur assurent une surveillance continue et en temps réel sur l’ensemble du réseau. Lorsqu’une menace est détectée, des alertes sont immédiatement envoyées aux opérateurs, ce qui permet des interventions rapides et ciblées. Cela améliore la connaissance de la situation, accélère les interventions et réduit les retards causés par des incidents évitables.

Surveillance de la sécurité alimentaire grâce à l’IA de vision#

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 permanente de chaque cuisine. Pour gagner en efficacité et en fiabilité, l’IRCTC a mis en place un système d’IA de vision qui surveille en temps réel les pratiques de sécurité alimentaire.

Le système se connecte aux caméras de vidéosurveillance existantes dans les cuisines et les zones de préparation des aliments. Il utilise des modèles d’IA entraînés à repérer des problèmes d’hygiène courants, comme le fait que le personnel ne se lave pas les mains, l’absence de gants ou de filets à cheveux, ou encore des postes de travail mal nettoyés.

Depuis son déploiement, le système a contribué à améliorer les normes d’hygiène et a permis au personnel de mieux veiller à la sécurité alimentaire, tout en consacrant davantage de temps à la préparation des repas plutôt qu’à la seule vérification des procédures.

Avantages et inconvénients de la vision par ordinateur dans les opérations ferroviaires#

La vision par ordinateur offre de nombreux avantages pour améliorer la sécurité, la maintenance et les opérations quotidiennes des systèmes ferroviaires. Voici quelques-uns de ses principaux avantages :

• Maintenance prédictive : en détectant les premiers signes d’usure ou de dommages sur les voies et les infrastructures, l’IA de vision peut contribuer à prévenir les pannes avant qu’elles ne surviennent.
• Surveillance 24 h/24 et 7 j/7 : contrairement aux inspecteurs humains, les systèmes de vision par ordinateur peuvent fonctionner en continu sans fatigue ni changement d’équipe.
• Évolutivité : une fois mis en place, le même système peut être étendu à davantage de gares, de trains ou de zones opérationnelles avec un minimum d’efforts supplémentaires.

Malgré les nombreux avantages que l’IA de vision apporte au transport ferroviaire, le déploiement et la maintenance de ces systèmes présentent encore des difficultés. Voici quelques inconvénients à prendre en compte :

• Préoccupations en matière de confidentialité : la surveillance continue dans les espaces publics peut soulever des questions éthiques et susciter un malaise chez les passagers et le personnel.
• Coût initial élevé : la mise en place d’un système d’IA de vision, notamment les caméras, les serveurs et les logiciels d’IA, nécessite un investissement initial important.
• Intégration complexe : l’intégration de systèmes de vision par ordinateur à une infrastructure existante, comme des systèmes de signalisation ou de contrôle hérités, peut être techniquement difficile.

Points clés à retenir#

À mesure que les réseaux ferroviaires se développent, la demande en systèmes en temps réel fournissant des informations fiables augmente. Les systèmes de vision par ordinateur utilisent la détection d’objets, les contrôles structurels 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 ainsi que les risques pour la sécurité. À mesure que ces outils progressent, l’IA est appelée à jouer un rôle majeur pour rendre les systèmes ferroviaires plus efficaces, plus réactifs et plus sûrs.

Rejoins notre communauté grandissante ! Explore notre dépôt GitHub pour en savoir plus sur l’IA. Tu es prêt à commencer tes projets de vision par ordinateur ? Consulte nos options de licence. Découvre l’IA dans l’agriculture et l’IA de vision dans le secteur de la santé en visitant nos pages de solutions !