TrainVision di mtrail riduce il tempo di raccolta dei dati ferroviari di quasi il 100%

Per 15 anni, mtrail ha supportato gli operatori ferroviari e delle infrastrutture con una profonda competenza nel settore e soluzioni tecniche che ottimizzano i processi operativi. Con TrainVision, mtrail ha trasformato tale competenza 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 validazione sicura delle informazioni sui treni.

La sfida: perché i dati sulla composizione sono importanti#

Dati accurati sulla composizione e sulla trazione (l'esatta sequenza di vagoni e locomotive che compongono un treno, insieme a lunghezza, peso e dettagli di trazione del treno) sono essenziali per una programmazione affidabile e per l'assistenza ai clienti. Gli operatori ferroviari sono tenuti a comunicare questi dati ai sistemi centrali di informazione dei treni.

Per i treni passeggeri, i dati sulla composizione possono solitamente essere derivati automaticamente dai dati di pianificazione. Ma per i treni di cantiere e negli scali merci, l'inserimento manuale è spesso ancora necessario. Ciò significa che il personale ferroviario deve registrare manualmente il numero europeo di veicolo (EVN) di ogni vagone e locomotiva, tipicamente indossando guanti, in un ambiente di binari attivi. Questo processo è lento, soggetto a errori e crea un reale rischio per la sicurezza: ogni secondo che un lavoratore trascorre concentrato su un tablet è un secondo di ridotta consapevolezza del binario circostante.

TrainVision: riconoscimento in tempo reale per dati specifici del settore ferroviario#

TrainVision utilizza l'apprendimento automatico e la computer vision per automatizzare questo riconoscimento end-to-end, supportando oggi i processi manuali con un percorso chiaro verso la completa automazione. Per il rilevamento degli oggetti, TrainVision si affida a Ultralytics YOLO per individuare con precisione elementi come EVN e cartelli di pericolo all'interno di un fotogramma. Una volta individuati, i modelli di OCR e riconoscimento personalizzati di mtrail estraggono le informazioni specifiche del dominio, leggendo l'EVN stesso, identificando le classificazioni dei pericoli o i segnali dei freni.

Fig 1. Demo dal vivo di TrainVision che sfrutta Ultralytics YOLO, addestrato su misura per EVN e marcature dei vagoni. (immagine catturata privatamente).

Per raggiungere la precisione richiesta da questo caso d'uso, mtrail addestra i suoi modelli su immagini del mondo reale combinate con milioni di immagini sintetiche generate internamente. Poiché il processo di sintesi è completamente definito e tracciabile, le immagini risultanti non devono essere etichettate manualmente, un notevole risparmio di tempo che consente a mtrail di riaddestrare rapidamente i modelli ogni volta che viene identificato un nuovo caso limite del mondo reale (agenti atmosferici, ostruzioni, illuminazione insolita).

TrainVision non è un modello unico valido per tutti. Per ogni piattaforma di destinazione, mtrail costruisce un modello personalizzato specifico per la piattaforma, ottimizzato per quel runtime. Ciò consente di integrare TrainVision in una gamma di ambienti di deployment, dai dispositivi mobili palmari ai sistemi di telecamere fisse a bordo binario, elaborando comunque ciascuna immagine in soli 8–30 millisecondi.

Perché Ultralytics YOLO?#

Per mtrail, la velocità di rilevamento e il deployment edge erano requisiti non negoziabili. TrainVision doveva girare in modo affidabile sui dispositivi mobili sul campo, non solo in un data center, e attraverso i modelli specifici per piattaforma costruiti per ciascun runtime di destinazione.

Tali prestazioni hanno reso Ultralytics YOLO la base per il livello di rilevamento degli oggetti di TrainVision. I modelli YOLO sono addestrati su immagini del mondo reale per individuare con precisione elementi come EVN e cartelli di pericolo sia nei deployment mobili che con telecamere fisse. I modelli di OCR e riconoscimento di mtrail subentrano poi per il lavoro specifico del dominio, estendendo le informazioni dettagliate da ciò che YOLO ha individuato.

Vantaggi per il cliente e risultati#

Automatizzando un'attività che in precedenza dipendeva interamente dall'inserimento manuale, TrainVision offre miglioramenti misurabili per gli operatori ferroviari:

• Fino al 100% di riduzione del tempo di raccolta dei dati, eliminando l'inserimento manuale dell'EVN sul campo. mtrail ha visto un salto dall'efficienza di circa il 40% a quasi il 100% con Ultralytics YOLO.
• Almeno il 90% di riduzione del tasso di errore, rispetto all'inserimento manuale dei dati.
• Maggiore sicurezza del personale rimuovendo la distrazione dell'inserimento manuale dei dati nelle aree di binari attivi.
• Pieno potenziale di automazione per installazioni fisse, in cui i sistemi di telecamere fisse possono validare un'ampia gamma di punti di misura specifici delle ferrovie, tra cui composizioni, merci pericolose, caratteristiche di frenata, condizioni dei vagoni e date di revisione, senza intervento manuale.

Il futuro di TrainVision#

I difetti che oggi vengono spesso registrati manualmente con adesivi fisici potrebbero invece essere rilevati automaticamente e immessi direttamente nelle piattaforme di dati ferroviari europei o nei sistemi di manutenzione tramite interfacce standardizzate come TAF-TSI. La combinazione dell'esperienza di mtrail nel settore ferroviario con la computer vision a questo livello potrebbe aumentare ulteriormente sia l'efficienza che la qualità del rilevamento dei difetti e, estendendo il campionamento casuale con sistemi fissi, contribuire a stabilire un monitoraggio della sicurezza più completo e continuo in tutta la rete.

mtrail vede un ulteriore potenziale significativo nei controlli di sicurezza e nella manutenzione preduttiva per il materiale rotabile. Il rilevamento delle anomalie viene attualmente eseguito manualmente durante i trasferimenti di materiale rotabile tra proprietari e imprese ferroviarie, incluse le ispezioni di campionamento casuale definite ai sensi della norma ISO 2859 e del Contratto Generale per l'Uso dei Vagoni Merci, che rappresentano una naturale prossima applicazione per le capacità di rilevamento di TrainVision.

Ti interessa scoprire come la Vision AI può trasformare le operazioni ferroviarie e di trasporto? Esplora le soluzioni industriali di Ultralytics, scopri le nostre opzioni di licenza o dai un'occhiata al repository GitHub per iniziare oggi stesso.