mtrail ha sviluppato TrainVision, un sistema offline di riconoscimento delle immagini basato su Ultralytics YOLO, in grado di operare in tempo reale e di rilevare 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 competenza nel settore e soluzioni tecniche che ottimizzano i processi operativi. Con TrainVision, mtrail ha trasformato questa 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 convalida sicure 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 costituiscono un treno, insieme alla lunghezza, al peso e ai dettagli sulla trazione del treno) sono essenziali per una programmazione affidabile e per fornire indicazioni ai clienti. Gli operatori ferroviari sono tenuti a comunicare questi dati ai sistemi centrali di informazione sui treni.
Per i treni passeggeri, i dati sulla composizione possono generalmente essere ricavati automaticamente dai dati di pianificazione. Tuttavia, per i treni da cantiere e nei parchi di smistamento, l'inserimento manuale è ancora spesso necessario. Ciò significa che il personale ferroviario deve registrare manualmente il Numero europeo del veicolo (EVN) di ogni vagone e locomotiva, in genere indossando guanti, in un ambiente con binari attivi. Questo processo è lento, soggetto a errori e crea un autentico rischio per la sicurezza: ogni secondo che un operatore trascorre concentrato su un tablet è un secondo in cui diminuisce la consapevolezza di ciò che accade sui binari circostanti.
TrainVision: riconoscimento in tempo reale per i dati specifici del settore ferroviario#
TrainVision utilizza il machine learning e la computer vision per automatizzare questo riconoscimento dall'inizio alla fine, supportando oggi i processi manuali e offrendo un percorso chiaro verso la completa automazione. Per il rilevamento degli oggetti, TrainVision si affida a Ultralytics YOLO per localizzare con precisione elementi come gli EVN e i segnali di pericolo all'interno di un fotogramma. Una volta localizzati, i modelli OCR e di riconoscimento addestrati su misura da mtrail estraggono le informazioni specifiche del settore, leggendo direttamente l'EVN, identificando le classificazioni di pericolo o riconoscendo i segnali dei freni.
Fig. 1. Demo live di TrainVision che utilizza Ultralytics YOLO, addestrato su misura per gli EVN e le marcature dei vagoni. (immagine acquisita privatamente).
Per raggiungere la precisione richiesta da questo caso d'uso, mtrail addestra i propri 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 risparmio di tempo significativo che consente a mtrail di riaddestrare rapidamente i modelli ogni volta che viene identificato un nuovo caso limite del mondo reale (usura, ostruzioni, illuminazione insolita).
TrainVision non è un singolo modello valido per ogni esigenza. Per ogni piattaforma target, mtrail sviluppa un modello personalizzato e specifico per la piattaforma, ottimizzato per quel runtime. Ciò consente di integrare TrainVision in una vasta gamma di ambienti di deployment, dai dispositivi mobili portatili ai sistemi di telecamere fisse a bordo dei binari, elaborando comunque ogni immagine in soli 8–30 millisecondi.
Perché Ultralytics YOLO?#
Per mtrail, la velocità di rilevamento e il deployment sull'edge erano requisiti imprescindibili. TrainVision doveva funzionare in modo affidabile sui dispositivi mobili sul campo, non solo in un data center, e supportare i modelli specifici per piattaforma sviluppati per ogni runtime target.
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 nelle installazioni mobili sia in quelle con telecamere fisse. I modelli OCR e di riconoscimento proprietari di mtrail subentrano quindi per le attività specifiche del settore, estraendo le informazioni dettagliate dagli elementi localizzati da YOLO.
Vantaggi e risultati per i clienti#
Automatizzando un'attività che in precedenza dipendeva interamente dall'inserimento manuale, TrainVision offre miglioramenti misurabili agli operatori ferroviari:
- Riduzione dei tempi di raccolta dei dati fino al 100%, eliminando l'inserimento manuale degli EVN sul campo. mtrail ha registrato un aumento dell'efficienza da circa il 40% a quasi il 100% con Ultralytics YOLO.
- Riduzione del tasso di errore di almeno il 90% rispetto all'inserimento manuale dei dati.
- Maggiore sicurezza del personale grazie alla rimozione della distrazione causata dall'inserimento manuale dei dati nelle aree con binari attivi.
- Potenziale di automazione completa per le installazioni fisse, dove 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 dei vagoni e date di revisione, senza intervento manuale.
Quali sono i prossimi sviluppi per TrainVision#
I difetti che oggi vengono spesso registrati manualmente con adesivi fisici potrebbero invece essere rilevati automaticamente e inviati direttamente alle piattaforme europee per i dati ferroviari o ai sistemi di manutenzione tramite interfacce standardizzate come TAF-TSI. La combinazione della competenza di mtrail nel settore ferroviario con la computer vision a questo livello potrebbe aumentare ulteriormente sia l'efficienza sia 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 predittiva del materiale rotabile. Attualmente il rilevamento delle anomalie viene eseguito manualmente durante i trasferimenti del materiale rotabile tra proprietari e imprese ferroviarie, comprese le ispezioni a campione definite dallo standard ISO 2859 e dal Contratto generale per l'utilizzo dei carri merci, che rappresentano una naturale prossima applicazione delle funzionalità di rilevamento di TrainVision.
Ti interessa scoprire come la Vision AI può trasformare le operazioni ferroviarie e dei trasporti? Esplora le soluzioni di settore di Ultralytics, scopri le nostre opzioni di licenza o consulta il repository GitHub per iniziare oggi stesso.
