mtrailのTrainVisionが鉄道データの収集時間をほぼ100%削減

mtrailは15年にわたり、鉄道・インフラ事業者に対し、業務プロセスを最適化する深いドメイン専門知識と技術ソリューションを提供してきました。mtrailはTrainVisionにより、Ultralytics YOLOをベースに構築されたインテリジェントな物体認識システムへとその専門知識を進化させ、手動プロセスを自動化・最適化することで、効率的な異常検知や、列車情報の安全な記録・検証を実現しています。

課題：編成データが重要である理由#

正確な編成および牽引データ（列車を構成する貨車や機関車の正確な順序、列車の長さ、重量、牽引の詳細）は、信頼性の高い運行スケジュールや顧客案内にとって不可欠です。鉄道事業者は、このデータを中央列車情報システムに報告することが義務付けられています。

旅客列車の場合、編成データは通常、計画データから自動的に取得できます。しかし、工事列車や操車場では、依然として手動での入力が必要となることがよくあります。つまり、鉄道作業員は、手袋を着用した状態で、稼働中の線路周辺において、すべての貨車や機関車の欧州車両番号（EVN）を手動で記録しなければなりません。このプロセスは時間がかかり、ミスが発生しやすく、タブレットに気を取られている作業員の視界や周囲の線路への注意力が低下するため、重大な安全上のリスクを生み出します。

TrainVision：鉄道特化データのためのリアルタイム認識#

TrainVisionは、機械学習とコンピュータビジョンを活用してこの認識プロセスをエンドツーエンドで自動化し、完全自動化への明確な道筋を描きつつ、現在のところは手動プロセスをサポートしています。物体検出において、TrainVisionはUltralytics YOLOを利用し、フレーム内のEVNや危険物標識などの要素を正確に特定します。特定後、mtrail独自にトレーニングされたOCRおよび認識モデルがドメイン特有の情報を抽出し、EVN自体の読み取り、危険物分類やブレーキ標識の特定を行います。

図1 Ultralytics YOLOを活用したTrainVisionのライブデモ（EVNおよび貨車マーキング用にカスタムトレーニング済み、非公開撮影画像）。

このユースケースに求められる精度に到達するため、mtrailは実世界の画像と、自社内で生成した数百万枚の合成画像を組み合わせてモデルをトレーニングしています。合成プロセスは完全に定義され追跡可能であるため、生成された画像を手動でアノテーションする必要がありません。これにより大幅な時間の節約が可能となり、天候変化、障害物、特殊な照明などの新しい実世界の特殊ケースが特定された際に、mtrailはモデルを迅速に再トレーニングすることができます。

TrainVisionは、単一の万能型モデルではありません。mtrailは、各ターゲットプラットフォーム向けに、そのランタイムに最適化されたカスタム仕様のプラットフォーム別モデルを構築しています。これにより、TrainVisionをハンドヘルドモバイル端末から固定式の線路脇カメラシステムに至るまで、さまざまなデプロイ環境に統合でき、各画像をわずか8〜30ミリ秒で処理することが可能です。

なぜUltralytics YOLOなのか？#

mtrailにとって、検出速度とエッジデプロイメントは譲れない要件でした。TrainVisionは、データセンター内だけでなく、現場のモバイル端末上でも、そして各ターゲットランタイム向けに構築されたプラットフォーム別モデル全体において、信頼性高く動作する必要がありました。

そのパフォーマンスにより、Ultralytics YOLOはTrainVisionの物体検出レイヤーの基盤となりました。YOLOモデルは実世界の画像でトレーニングされており、モバイルおよび固定カメラの両方のデプロイ環境において、EVNや危険物標識などの要素を正確に特定します。その後、mtrail独自のOCRおよび認識モデルがドメイン特有の処理を引き継ぎ、YOLOが特定した領域から詳細な情報を抽出します。

顧客のメリットと導入成果#

TrainVisionは、これまで完全に手動入力に依存していたタスクを自動化することで、鉄道事業者に測定可能な改善をもたらします。

• データ収集時間を最大100%削減：現場での手動によるEVN入力をなくすことで実現しました。mtrailは、Ultralytics YOLOの導入により、効率性が約40%からほぼ100%へと飛躍的に向上しました。
• エラー率を少なくとも90%削減：手動でのデータ入力と比較して大幅に削減されました。
• 稼働中の線路エリアにおける手動データ入力の気晴らしや注意散漫を解消することで、人員の安全性が向上しました。
• 固定式設置における完全自動化のポテンシャル：固定カメラシステムにより、編成、危険物、ブレーキ特性、貨車の状態、改修日など、鉄道特有の幅広い測定ポイントを、手動介入なしで検証できます。

TrainVisionの今後の展望#

今日では物理的なステッカーを用いて手動で記録されることが多い不具合を、今後は自動で検知し、TAF-TSIなどの標準化されたインターフェースを介して、欧州の鉄道データプラットフォームや保守システムに直接フィードできるようになります。mtrailの鉄道ドメインの専門知識とこのレベルのコンピュータビジョンを組み合わせることで、不具合検知の効率と品質をさらに向上させることができ、また固定システムによるランダムサンプリングを拡張することで、ネットワーク全体にわたるより包括的かつ継続的な安全監視の確立を支援することができます。

mtrailは、鉄道車両の安全点検および予知保全において、さらなる大きな可能性を見出しています。異常検知は現在、車両所有者と鉄道事業者の間での車両受渡しの際に手動で行われています。これには、ISO 2859および貨車使用に関する一般契約（GCU）で定められたランダムサンプリング検査が含まれており、これらはTrainVisionの検出能力を活用する次なる自然な応用分野となります。

ビジョンAIが鉄道および交通事業をどのように変革できるか興味をお持ちですか？Ultralyticsの業界ソリューションをご覧いただくか、ライセンスオプションをご確認いただくか、GitHubリポジトリをチェックして今すぐ始めましょう。