TrainVision de mtrail réduit le temps de collecte des données ferroviaires de près de 100 %

Depuis 15 ans, mtrail soutient les opérateurs ferroviaires et d'infrastructures avec une expertise sectorielle approfondie et des solutions techniques qui optimisent les processus opérationnels. Avec TrainVision, mtrail a transformé cette expertise en un système intelligent de reconnaissance d'objets, construit sur Ultralytics YOLO, qui automatise et optimise les processus manuels, permettant une détection efficace des anomalies ainsi qu'un enregistrement et une validation sécurisés des informations sur les trains.

Le défi : pourquoi les données de composition sont importantes#

Des données précises de composition et de traction (la séquence exacte des wagons et des locomotives qui composent un train, ainsi que la longueur, le poids et les détails de traction du train) sont essentielles pour un horaire fiable et un guidage adéquat des clients. Les opérateurs ferroviaires sont tenus de signaler ces données aux systèmes centraux d'information sur les trains.

Pour les trains de voyageurs, les données de composition peuvent généralement être dérivées automatiquement des données de planification. Mais pour les trains de travaux et dans les gares de triage, la saisie manuelle reste souvent nécessaire. Cela signifie que le personnel ferroviaire doit enregistrer manuellement le numéro européen de véhicule (EVN) de chaque wagon et de chaque locomotive, généralement avec des gants, dans un environnement de voie active. Ce processus est lent, sujet aux erreurs et crée un risque réel pour la sécurité : chaque seconde qu'un travailleur passe les yeux fixés sur une tablette est une seconde de conscience réduite de la voie environnante.

TrainVision : reconnaissance en temps réel pour des données spécifiques au rail#

TrainVision utilise l'apprentissage automatique et la vision par ordinateur pour automatiser cette reconnaissance de bout en bout, en soutenant les processus manuels d'aujourd'hui avec une voie claire vers l'automatisation complète. Pour la détection d'objets, TrainVision s'appuie sur Ultralytics YOLO pour localiser avec précision des éléments tels que les EVN et les panneaux de signalisation de danger dans une image. Une fois localisés, les modèles OCR et de reconnaissance personnalisés de mtrail extraient les informations spécifiques au domaine, lisant l'EVN lui-même, identifiant les classifications de danger ou les signaux de freinage.

Fig 1. Démo en direct de TrainVision exploitant Ultralytics YOLO, personnalisé pour les marquages des EVN et des wagons. (image capturée en privé).

Pour atteindre la précision qu'exige ce cas d'usage, mtrail entraîne ses modèles sur des images du monde réel combinées à des millions d'images synthétiques générées en interne. Comme le processus de synthèse est entièrement défini et traçable, les images résultantes n'ont pas besoin d'être étiquetées manuellement, un gain de temps considérable qui permet à mtrail de réentraîner rapidement les modèles chaque fois qu'un nouveau cas limite du monde réel (intempéries, obstruction, éclairage inhabituel) est identifié.

TrainVision n'est pas un modèle unique et universel. Pour chaque plateforme cible, mtrail construit un modèle sur mesure et spécifique à la plateforme, optimisé pour ce runtime. Cela permet à TrainVision d'être intégré dans divers environnements de déploiement, des appareils mobiles portables aux systèmes de caméras fixes en bord de voie, tout en traitant chaque image en seulement 8 à 30 millisecondes.

Pourquoi Ultralytics YOLO ?#

Pour mtrail, la vitesse de détection et le déploiement en périphérie étaient des exigences non négociables. TrainVision devait s'exécuter de manière fiable sur des appareils mobiles sur le terrain, et pas seulement dans un centre de données, ainsi qu'à travers les modèles spécifiques à la plateforme construits pour chaque runtime cible.

Cette performance a fait d'Ultralytics YOLO la base de la couche de détection d'objets de TrainVision. Les modèles YOLO sont entraînés sur des images du monde réel pour localiser avec précision des éléments tels que les EVN et les panneaux de danger dans les déploiements sur mobile et sur caméras fixes. Les modèles OCR et de reconnaissance propres à mtrail prennent ensuite le relais pour le travail spécifique au domaine, extrayant les informations détaillées de ce que YOLO a localisé.

Avantages clients et résultats#

En automatisant une tâche qui reposait auparavant entièrement sur la saisie manuelle, TrainVision offre des améliorations mesurables pour les opérateurs ferroviaires :

• Jusqu'à 100 % de réduction du temps de collecte des données, en éliminant la saisie manuelle des EVN sur le terrain. mtrail a constaté un bond d'environ 40 % à près de 100 % d'efficacité avec Ultralytics YOLO.
• Au moins 90 % de réduction du taux d'erreur, par rapport à la saisie manuelle des données.
• Sécurité accrue du personnel en supprimant la distraction liée à la saisie manuelle des données dans les zones de voies actives.
• Potentiel d'automatisation complète pour les installations fixes, où les systèmes de caméras fixes peuvent valider un large éventail de points de mesure spécifiques au rail, y compris les compositions, les marchandises dangereuses, les caractéristiques de freinage, l'état des wagons et les dates de révision, sans intervention manuelle.

Quelle est la prochaine étape pour TrainVision#

Les défauts qui sont aujourd'hui souvent enregistrés manuellement avec des autocollants physiques pourraient plutôt être détectés automatiquement et intégrés directement dans les plateformes de données ferroviaires européennes ou les systèmes de maintenance via des interfaces standardisées telles que TAF-TSI. Combiner l'expertise du domaine ferroviaire de mtrail avec la vision par ordinateur à ce niveau pourrait encore accroître à la fois l'efficacité et la qualité de la détection des défauts, et, en étendant l'échantillonnage aléatoire avec des systèmes fixes, aider à établir une surveillance de la sécurité plus complète et continue à travers le réseau.

mtrail voit un potentiel supplémentaire important dans les contrôles de sécurité et la maintenance prédictive du matériel roulant. La détection des anomalies est actuellement effectuée manuellement lors des transferts de matériel roulant entre les propriétaires et les entreprises ferroviaires, y compris les inspections par échantillonnage aléatoire définies sous ISO 2859 et le Contrat général d'utilisation des wagons de marchandises, qui constituent une prochaine application naturelle pour les capacités de détection de TrainVision.

Tu te demandes comment l'IA de vision peut transformer les opérations ferroviaires et de transport ? Explore les solutions industrielles d'Ultralytics, découvre nos options de licence, ou consulte le dépôt GitHub pour commencer dès aujourd'hui.