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 au cœur des systèmes de transport terrestre. S’étendant sur plus d’un million de kilomètres de lignes dans le monde, les réseaux ferroviaires relient des villes, des industries et des communautés sur de vastes distances. À mesure que ces réseaux s’étendent et que la demande augmente, garantir la sécurité et l’efficacité exige plus que de simples contrôles et une surveillance manuels.

De nouvelles solutions deviennent de plus en plus indispensables. Par exemple, la vision par ordinateur, une branche de l’intelligence artificielle (AI) consacrée au traitement des données visuelles, est utilisée pour rationaliser diverses opérations ferroviaires.

Les systèmes de vision utilisent des caméras et des modèles de vision par ordinateur comme Ultralytics YOLO11 pour donner aux opérateurs ferroviaires une connaissance des opérations en temps réel. 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 pour détecter des objets, des personnes ou des dangers.

Prenons le cas d’une personne qui se tient trop près du bord du quai ou de débris apparus sur les voies. L’IA visuelle peut les détecter en temps réel et envoyer une alerte, ce qui permet aux équipes de la gare de réagir rapidement et d’éviter que les 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 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 visuelle pour rendre les opérations ferroviaires plus sûres et plus efficaces. Dans cet article, nous verrons comment l’IA visuelle est appliquée aux flux de travail du transport ferroviaire dans le monde entier.

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

Les réseaux ferroviaires comportent de nombreux éléments mobiles qui doivent être surveillés en temps réel. Des tâches traditionnellement effectuées par le personnel des gares peuvent désormais être automatisées à l’aide de l’IA. Les modèles de vision par ordinateur comme YOLO11 peuvent aider les exploitants à mieux surveiller les opérations ferroviaires et à réagir rapidement en cas de problème.

Plus précisément, les tâches de vision par ordinateur désignent les fonctions spécifiques que ces modèles peuvent apprendre à effectuer à partir des images fournies par des caméras. Voici quelques tâches clés qui peuvent servir à surveiller les opérations ferroviaires :

• Détection d’objets : cette tâche consiste à identifier et à localiser des objets spécifiques dans une image ou une image vidéo. Dans le domaine ferroviaire, 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.
• Segmentation d’instances : Elle délimite chaque objet individuellement à l’aide d’un masque au niveau du pixel plutôt que d’une boîte englobante. Pour surveiller les infrastructures ferroviaires, elle peut servir à évaluer l’état des voies, des quais et d’autres surfaces en repérant des défauts comme les fissures, la corrosion ou l’usure.
• Estimation de pose : elle consiste à détecter et à analyser la position des articulations clés du corps afin de comprendre la posture humaine. Dans le secteur ferroviaire, elle peut aider à repérer les situations d’urgence, comme une personne qui s’effondre sur un quai, et déclencher des alertes pour permettre une intervention.
• Suivi d’objets : il s’agit de suivre le déplacement des objets détectés dans plusieurs images vidéo. Dans les gares ou à bord des trains, le suivi permet de suivre les flux de passagers et de surveiller les déplacements des trains.

Fig. 2. Ultralytics YOLO11 peut servir à détecter et à suivre des personnes et des trains à des fins de sécurité.

Utiliser la Vision AI pour surveiller le réseau ferroviaire#

Si la surveillance par vision est généralement associée à la sécurité et à la vidéosurveillance, les systèmes ferroviaires utilisent la Vision AI pour bien plus que de simples tâches de sécurité. Elle contribue aussi à améliorer les opérations et la sécurité, ainsi qu’à soutenir la gestion globale du réseau.

L’un des principaux avantages de l’utilisation de la Vision AI dans les transports publics est sa capacité à fonctionner en temps réel et à fournir au personnel des gares des informations utiles en temps voulu pour anticiper les problèmes potentiels.

Voyons quelques exemples concrets de la façon dont la vision par ordinateur aide les réseaux ferroviaires à fonctionner avec plus de précision et de maîtrise.

Détection d’objets dans les systèmes ferroviaires pour les opérations de maintenance#

À mesure que le trafic ferroviaire augmente en Europe, la nécessité de surveiller les infrastructures de manière fiable est devenue cruciale. Les voies doivent être inspectées régulièrement afin de repérer l’usure, les dommages et les défauts d’alignement, et de garantir des opérations sûres et fluides. Il faut ainsi contrôler des milliers de kilomètres de voies pour détecter les premiers signes de défauts avant qu’ils n’entraînent des perturbations coûteuses ou 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 sections défectueuses sur des voies ferrées.

Par exemple, aux Pays-Bas, où le réseau ferroviaire s’étend sur des milliers de kilomètres, la surveillance et l’entretien continus des voies représentent une tâche considérable. Les inspections manuelles restent importantes, mais elles peuvent être lentes, exiger beaucoup de main-d’œuvre et souvent perturber le service. Pour résoudre ce problème, un système de vision par ordinateur a été mis en place afin d’inspecter l’état des voies ferrées en temps réel.

Des caméras installées sur des trains en mouvement capturent en continu des images haute résolution. Ces images sont ensuite analysées par des modèles de Vision AI 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 et ainsi éviter des contrôles inutiles. Les exploitants ont donc 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 grands projets ferroviaires, assurer la sécurité sur site est l’un des défis les plus persistants. C’était particulièrement vrai lors de la construction du réseau ferroviaire urbain de Wuhan, en Chine, où les chantiers en activité et les 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 un incident. Pour accélérer les interventions et réduire les risques, des chercheurs ont mis en place un système de surveillance de la sécurité en temps réel basé sur la vision par ordinateur.

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

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

La surveillance ferroviaire à l’aide de la Vision AI#

En plus d’améliorer la maintenance et les inspections de sécurité, la vision par ordinateur sert également à surveiller en temps réel les intrusions sur les voies ferrées. Il s’agit d’un problème grave : près de 1 000 décès liés au chemin de fer ont été signalés aux États-Unis rien qu’en 2023. Beaucoup de ces incidents impliquaient un accès non autorisé aux voies, un domaine où les méthodes de surveillance traditionnelles sont souvent limitées.

Pour y remédier, les réseaux ferroviaires américains commencent à adopter des solutions de vision par ordinateur. Ces systèmes analysent des flux vidéo en direct à l’aide de modèles d’IA afin de détecter des événements tels que les intrusions, les obstacles sur les voies et les violations potentielles de la signalisation. En repérant ces problèmes dès qu’ils surviennent, le système aide les équipes à intervenir rapidement, avant que le service ne soit perturbé ou que la sécurité ne soit compromise.

Contrairement aux inspections manuelles, qui ont lieu à intervalles fixes, les systèmes de vision par ordinateur assurent une surveillance continue du réseau en temps réel. Lorsqu’une menace est détectée, des alertes sont immédiatement envoyées aux opérateurs, ce qui leur permet d’intervenir rapidement et de manière ciblée. Cela améliore la connaissance de la situation, accélère les interventions et réduit les retards dus à des incidents évitables.

Surveillance de la sécurité alimentaire grâce à la Vision AI#

Chaque jour, des millions de repas sont préparés et servis à bord des trains et dans 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 de Vision AI qui surveille en temps réel les pratiques de sécurité alimentaire.

Le système se connecte aux caméras de vidéosurveillance déjà installées 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 qui ne se lave pas les mains, l’absence de gants ou de charlottes, ou des postes de travail malpropres.

Depuis son déploiement, le système a contribué à améliorer les normes d’hygiène et a permis au personnel de mieux suivre les règles de sécurité alimentaire, tout en consacrant plus de temps à la préparation des repas plutôt qu’au simple contrôle 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 atouts :

• Maintenance prédictive : en détectant les premiers signes d’usure ou de dommages sur les voies et les infrastructures, la Vision AI peut aider à prévenir les défaillances 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 horaires de travail.
• Évolutivité : une fois mis en place, le même système peut être étendu à davantage de gares, de trains ou de zones d’exploitation avec un minimum d’efforts supplémentaires.

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

• Problèmes de confidentialité : la surveillance continue des espaces publics peut soulever des questions éthiques et mettre les passagers et le personnel mal à l’aise.
• Coût initial élevé : la mise en place d’un système de Vision AI, comprenant 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 l’infrastructure existante, notamment aux anciens systèmes de signalisation ou de contrôle, peut poser des difficultés techniques.

Points clés à retenir#

À mesure que les réseaux ferroviaires se développent, la demande de systèmes en temps réel fournissant des informations fiables augmente. Les systèmes de vision par ordinateur s’appuient sur la détection d’objets, le contrôle de l’état des structures et les alertes en temps réel pour aider les opérateurs à réagir rapidement et avec précision aux problèmes.

Les outils d’IA améliorent les opérations quotidiennes et réduisent aussi 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 important dans l’amélioration de l’efficacité, de la réactivité et de la sûreté des systèmes ferroviaires.

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