TrainVision di mtrail riduce quasi del 100% i tempi di raccolta dei dati ferroviari

mtrail ha realizzato TrainVision, un sistema offline di riconoscimento delle immagini basato sull’IA e in tempo reale, basato su Ultralytics YOLO, che rileva automaticamente i numeri europei dei veicoli, i segnali di pericolo e i segnali dei freni, riducendo i tempi di raccolta dei dati del 40–100% e gli errori di almeno il 90%.

Da 15 anni mtrail supporta gli operatori ferroviari e delle infrastrutture con una profonda esperienza nel settore e soluzioni tecniche che ottimizzano i processi operativi. Con TrainVision, mtrail ha trasformato questa esperienza in un sistema intelligente di riconoscimento degli oggetti, basato su Ultralytics YOLO, che automatizza e ottimizza i processi manuali, consentendo un rilevamento efficiente delle anomalie e la registrazione e convalida sicure delle informazioni sui treni.

La sfida: perché i dati di composizione sono importanti#

Dati accurati sulla composizione e sulla trazione (la sequenza esatta di carrozze e locomotive che compongono un treno, insieme alla lunghezza, al peso e ai dettagli sulla trazione) sono essenziali per una pianificazione affidabile e per informare i clienti. Gli operatori ferroviari sono tenuti a trasmettere questi dati ai sistemi centrali informativi sui treni.

Per i treni passeggeri, di solito è possibile ricavare automaticamente i dati di composizione dai dati di pianificazione. Per i treni di cantiere e negli scali di smistamento, invece, spesso è ancora necessario inserirli manualmente. Il personale ferroviario deve quindi registrare manualmente il numero europeo del veicolo (EVN) di ogni carrozza e locomotiva, spesso indossando guanti e lavorando su binari attivi. Il processo è lento, soggetto a errori e comporta un reale rischio per la sicurezza: ogni secondo che un operatore trascorre concentrato su un tablet è un secondo in cui presta meno attenzione ai binari circostanti.

TrainVision: riconoscimento in tempo reale dei dati ferroviari specifici#

TrainVision usa il machine learning e la visione artificiale per automatizzare questo riconoscimento dall'inizio alla fine, affiancando i processi manuali attuali e aprendo la strada alla piena automazione. Per il rilevamento degli oggetti, TrainVision si affida a Ultralytics YOLO per individuare con precisione in un fotogramma elementi come gli EVN e i segnali di pericolo. Una volta individuati, i modelli di OCR e riconoscimento personalizzati e addestrati da mtrail estraggono le informazioni specifiche del dominio: leggono l'EVN, identificano le categorie di pericolo o riconoscono i segnali dei freni.

Fig. 1. Demo in diretta di TrainVision con Ultralytics YOLO, addestrato appositamente per i numeri EVN e le marcature dei vagoni (immagine acquisita privatamente).

Per raggiungere il livello di accuratezza richiesto da questo caso d'uso, mtrail addestra i propri modelli con immagini del mondo reale combinate con milioni di immagini sintetiche generate internamente. Poiché il processo di sintesi è completamente definito e tracciabile, non è necessario etichettare manualmente le immagini risultanti. Questo notevole risparmio di tempo consente a mtrail di riaddestrare rapidamente i modelli ogni volta che viene individuato un nuovo caso limite reale (usura, ostruzioni, illuminazione insolita).

TrainVision non è un unico modello valido per ogni situazione. Per ciascuna piattaforma di destinazione, mtrail realizza un modello su misura e specifico per la piattaforma, ottimizzato per il relativo ambiente di esecuzione. In questo modo TrainVision può essere integrato in diversi ambienti di distribuzione, dai dispositivi mobili portatili ai sistemi di telecamere fisse a bordo linea, elaborando comunque ogni immagine in soli 8–30 millisecondi.

Perché Ultralytics YOLO?#

Per mtrail, la velocità di rilevamento e la distribuzione edge erano requisiti imprescindibili. TrainVision doveva funzionare in modo affidabile sui dispositivi mobili sul campo, non solo in un data center, e con i modelli specifici per ogni piattaforma, realizzati per ciascun ambiente di esecuzione di destinazione.

Queste prestazioni hanno reso Ultralytics YOLO la base del livello di rilevamento degli oggetti di TrainVision. I modelli YOLO vengono addestrati su immagini del mondo reale per localizzare con precisione elementi come gli EVN e i segnali di pericolo, sia su dispositivi mobili sia con telecamere fisse. I modelli OCR e di riconoscimento di mtrail si occupano poi delle attività specifiche del settore, estraendo informazioni dettagliate dagli elementi localizzati da YOLO.

Vantaggi e risultati per i clienti#

Automatizzando un’attività che prima si basava interamente sull’inserimento manuale, TrainVision offre agli operatori ferroviari miglioramenti misurabili:

• Riduzione dei tempi di raccolta dei dati fino al 100%, eliminando l’inserimento manuale degli EVN sul campo. Con Ultralytics YOLO, mtrail ha osservato un aumento dell’efficienza da circa il 40% a quasi il 100%.
• Riduzione del tasso di errore di almeno il 90% rispetto all’inserimento manuale dei dati.
• Maggiore sicurezza del personale, eliminando la distrazione causata dall’inserimento manuale dei dati nelle aree con binari attivi.
• Potenziale di automazione completa per le installazioni fisse, in cui i sistemi di telecamere fisse possono convalidare un’ampia gamma di punti di misurazione specifici del settore ferroviario, tra cui composizioni, merci pericolose, caratteristiche di frenata, condizioni delle carrozze e date di revisione, senza intervento manuale.

Quali sono i prossimi sviluppi per TrainVision#

I difetti oggi spesso registrati manualmente con adesivi fisici potrebbero invece essere rilevati automaticamente e inseriti direttamente nelle piattaforme europee per i dati ferroviari o nei sistemi di manutenzione tramite interfacce standardizzate come TAF-TSI. La combinazione dell’esperienza ferroviaria di mtrail con la visione artificiale a questo livello potrebbe migliorare ulteriormente sia l’efficienza sia la qualità del rilevamento dei difetti; inoltre, estendere i controlli a campione con sistemi fissi potrebbe contribuire a istituire un monitoraggio della sicurezza più completo e continuo in tutta la rete.

mtrail intravede notevoli ulteriori potenzialità nei controlli di sicurezza e nella manutenzione predittiva del materiale rotabile. Il rilevamento delle anomalie viene attualmente eseguito manualmente durante i trasferimenti del materiale rotabile tra proprietari e imprese ferroviarie, comprese le ispezioni a campione definite da ISO 2859 e dal Contratto generale per l’utilizzo dei carri merci, che costituiscono una naturale applicazione successiva delle capacità di rilevamento di TrainVision.

Ti interessa scoprire come l’IA visiva può trasformare le operazioni ferroviarie e dei trasporti? Esplora le soluzioni di Ultralytics per i diversi settori, scopri le nostre opzioni di licenza oppure consulta il repository GitHub per iniziare subito.