Aplicações de visão computacional em operações ferroviárias

Para uma visão geral visual dos conceitos abordados neste artigo, assista ao vídeo abaixo.

Os caminhos-de-ferro são uma parte fundamental dos sistemas de transporte terrestre. Abrangendo mais de 1 milhão de quilómetros de rotas em todo o mundo, as railway networks ligam cidades, indústrias e comunidades a grandes distâncias. À medida que estes sistemas se expandem e a procura cresce, garantir a segurança e a eficiência exige mais do que apenas verificações e monitorização manuais.

As soluções de ponta estão a tornar-se cada vez mais essenciais. Por exemplo, a computer vision, um ramo da artificial intelligence (AI) que lida com o processamento de dados visuais, está a ser utilizada para otimizar várias operações ferroviárias.

Os sistemas com capacidade visual utilizam câmaras e modelos de computer vision como o Ultralytics YOLO11 para dar aos operadores ferroviários conhecimento das operações em tempo real. Através de tarefas como deteção de objetos e segmentação de instâncias, modelos como o YOLO11 podem intervir para analisar carris, plataformas, túneis e o interior dos comboios para detetar objetos, pessoas ou perigos.

Considere uma situação em que alguém fica muito perto da borda da plataforma ou detritos aparecem nos trilhos. A IA de visão pode detectá-los em tempo real e enviar um alerta, possibilitando que as equipes das estações respondam rapidamente e evitem que riscos potenciais se transformem em atrasos ou acidentes. Ela também ajuda a equipe monitorando áreas que são difíceis de vigiar o tempo todo.

Fig 1. Um exemplo de uso do Ultralytics YOLO11 para detectar pessoas em pé em uma plataforma de trem.

À medida que a adoção da IA e da visão computacional cresce, mais cidades começam a usar IA de visão para tornar as operações ferroviárias mais seguras e eficientes. Neste artigo, exploraremos como a IA de visão está sendo aplicada nos fluxos de trabalho de transporte ferroviário ao redor do mundo. Vamos começar!

O papel da IA de Visão nas operações de transporte ferroviário#

As redes ferroviárias envolvem muitas partes móveis que precisam de ser monitorizadas em tempo real. O que era tradicionalmente feito pelo pessoal da estação pode agora ser automatizado com recurso a AI. Computer vision models como o YOLO11 podem ajudar os operadores de estações a vigiar as funções ferroviárias de forma mais atenta e a responder rapidamente quando surgem problemas.

Em particular, as computer vision tasks referem-se às funções específicas que estes modelos podem ser treinados para executar utilizando entradas visuais de câmaras. Eis algumas tarefas principais que podem ser utilizadas para monitorizar operações ferroviárias:

• Detecção de objetos: Esta tarefa envolve identificar e localizar objetos específicos dentro de uma imagem ou quadro de vídeo. Em aplicações ferroviárias, modelos como o Ultralytics YOLO11 podem detectar itens como detritos, ferramentas, bagagens ou pessoas sobre ou perto dos trilhos.

• Rastreamento de objetos: Isso refere-se a monitorar o movimento de objetos detectados em vários quadros de vídeo. Nas estações ou a bordo dos trens, o rastreamento ajuda a seguir o fluxo de passageiros e monitorar os movimentos dos trens.

• Estimativa de pose: Envolve detectar e analisar as posições das principais articulações do corpo para entender a postura humana. Em ambientes ferroviários, pode ajudar a identificar situações de emergência, como uma pessoa desmaiando em uma plataforma, acionando alertas para intervenção.

• Segmentação de instâncias: Foca em classificar cada pixel em uma imagem em categorias predefinidas. No monitoramento da infraestrutura ferroviária, pode ser usado para avaliar a condição de trilhos, plataformas e outras superfícies, identificando características como rachaduras, corrosão ou desgaste.

Fig 2. O Ultralytics YOLO11 pode ser usado para detectar e rastrear pessoas e trens para fins de segurança.

Usando IA de Visão para monitoramento ferroviário#

Embora o monitoramento baseado em visão esteja tipicamente associado à segurança e vigilância, os sistemas ferroviários usam IA de visão para muito mais do que apenas tarefas básicas de segurança. Ela também desempenha um papel na melhoria das operações, no aumento da segurança e no suporte à gestão geral do sistema em toda a rede.

Uma vantagem fundamental de utilizar Vision AI in public transportation é a sua capacidade de funcionar em tempo real, fornecendo ao pessoal da estação informações oportunas e úteis para se antecipar a potenciais problemas.

Vamos ver alguns exemplos do mundo real de como a visão computacional está ajudando as ferrovias a operar com maior precisão e controle.

Detecção de objetos em sistemas ferroviários para tarefas de manutenção#

À medida que o tráfego ferroviário continua a crescer na Europa, a necessidade de um monitoramento de infraestrutura confiável tornou-se crucial. Os trilhos precisam ser inspecionados regularmente quanto a desgaste, danos e desalinhamento para facilitar operações seguras e suaves. Isso envolve verificar milhares de quilômetros de trilhos em busca de sinais precoces de defeitos antes que levem a interrupções ou acidentes dispendiosos. A IA de Visão oferece uma maneira eficaz de automatizar e aprimorar esse processo de inspeção.

Fig 3. Os sistemas de computer vision podem detetar peças defeituosas nas linhas ferroviárias.

Por exemplo, nos Países Baixos, onde a rede ferroviária se estende por milhares de quilómetros, monitorizar e manter constantemente as linhas é uma tarefa monumental. Embora as inspeções manuais continuem a ser importantes, podem ser lentas, exigir muita mão de obra e perturbar frequentemente o serviço. Para resolver isto, foi introduzido um sistema de computer vision para inspect rail-track conditions em tempo real.

As cameras montadas em comboios em movimento captam um fluxo contínuo de imagens de alta resolução. Estas imagens são depois analisadas por modelos de vision AI treinados para detetar desalinhamentos de carris, componentes gastos ou danificados e peças em falta.

Com o monitoramento contínuo e automatizado em vigor, as inspeções não são apenas mais rápidas, mas também mais precisas. As equipes de manutenção podem priorizar as áreas que mais precisam de atenção, reduzindo verificações desnecessárias. Como resultado, os operadores conseguiram diminuir os riscos operacionais, reduzir atrasos e melhorar a segurança geral, sem interromper o serviço diário.

Conduzindo operações mais seguras com IA na infraestrutura ferroviária#

Em projetos ferroviários de grande escala, manter a segurança no local é um dos desafios mais persistentes. Isso foi especialmente verdadeiro durante a construção da rede ferroviária urbana de Wuhan, na China, onde canteiros de obras ativos e condições variáveis exigiam supervisão constante.

Tradicionalmente, as verificações de segurança baseavam-se na observação manual, o que significava frequentemente que os riscos só eram identificados após a ocorrência de um incidente. Para melhorar os tempos de resposta e reduzir o risco, os investigadores introduziram um safety monitoring system em tempo real potenciado por computer vision.

Mais de 240 câmaras de alta definição foram instaladas nos construction sites para registar a atividade de forma contínua. As filmagens foram processadas no local utilizando modelos de AI capazes de detetar não só quando os indivíduos entravam em áreas de risco, mas também se o equipamento próximo estava parado ou em movimento - um fator importante na avaliação de riscos em tempo real. Quando era detetado comportamento inseguro, o sistema podia enviar alertas imediatos aos supervisores do local.

Fig 4. Detetar perigos utilizando computer vision.

Um olhar sobre a vigilância ferroviária usando IA de Visão#

Além de melhorar a manutenção e as inspeções de segurança, a visão computacional também está sendo usada para monitorar trilhos ferroviários em tempo real contra invasões. Esta é uma preocupação séria, com 995 fatalidades relacionadas a ferrovias relatadas nos Estados Unidos apenas em 2023. Muitos desses incidentes envolveram acesso não autorizado aos trilhos, uma área onde os métodos de monitoramento tradicionais são muitas vezes limitados.

Para resolver este problema, os caminhos-de-ferro nos Estados Unidos estão a começar a adotar computer vision solutions. Estes sistemas utilizam feeds de vídeo em direto, analisados por modelos de AI, para detetar eventos como invasão de propriedade, obstruções na linha e potenciais infrações de sinalização. Ao identificar estes problemas à medida que ocorrem, o sistema ajuda as equipas a responder rapidamente, antes que o serviço seja interrompido ou a segurança seja colocada em risco.

Diferente das inspeções manuais, que ocorrem em intervalos definidos, os sistemas de visão computacional fornecem monitoramento contínuo e em tempo real em toda a rede. Quando uma ameaça é detectada, alertas são enviados imediatamente aos operadores, permitindo respostas rápidas e direcionadas. Isso leva a uma melhor consciência situacional, intervenção mais rápida e menos atrasos causados por incidentes evitáveis.

Monitoramento de segurança alimentar com IA de Visão#

Todos os dias, milhões de refeições são preparadas e servidas em trens e estações, onde a higiene é uma prioridade máxima. Na Índia, a Indian Railway Catering and Tourism Corporation (IRCTC) gerencia uma das maiores redes ferroviárias de alimentação do mundo.

Até recentemente, as verificações de higiene eram feitas manualmente, o que tornava difícil monitorizar todas as cozinhas a toda a hora. Para tornar as coisas mais eficientes e fiáveis, a IRCTC introduziu um sistema de vision AI que vigia as food safety practices em tempo real.

O sistema se conecta a câmeras de CFTV existentes em cozinhas e áreas de preparo de alimentos. Ele usa modelos de IA treinados para identificar problemas comuns de higiene, como funcionários não lavando as mãos, falta de luvas ou redes para o cabelo, ou estações de trabalho sujas.

Desde o seu lançamento, o sistema ajudou a melhorar os padrões de higiene e facilitou a gestão da food safety por parte do pessoal, permitindo-lhe dedicar mais tempo à preparação de refeições e não apenas à verificação de procedimentos.

Prós e contras da visão computacional nas operações ferroviárias#

A visão computacional oferece uma série de benefícios quando se trata de melhorar a segurança, a manutenção e as operações diárias nos sistemas ferroviários. Aqui estão algumas das principais vantagens:

• Manutenção preditiva: Ao detectar sinais precoces de desgaste ou danos nos trilhos e na infraestrutura, a IA de visão pode ajudar a evitar falhas antes que ocorram.
• Monitoramento 24/7: Diferente dos inspetores humanos, os sistemas de visão computacional podem operar continuamente sem fadiga ou turnos.
• Scalability: Uma vez implementado, o mesmo sistema pode ser expandido para abranger mais estações, comboios ou zonas operacionais com um esforço adicional mínimo.

Apesar dos muitos aspectos positivos que a IA de visão traz para o transporte ferroviário, ainda existem desafios na implantação e manutenção desses sistemas. Aqui estão algumas desvantagens a considerar:

• Preocupações com a privacidade: A surveillance contínua em áreas públicas pode suscitar questões éticas e desconforto entre passageiros e funcionários.
• Alto custo inicial: Montar um sistema de IA de Visão, incluindo câmeras, servidores e software de IA, requer um investimento inicial significativo.
• Integração complexa: Integrar sistemas de visão computacional com a infraestrutura existente, como sinalização legada ou sistemas de controle, pode ser tecnicamente desafiador.

Principais pontos#

À medida que as redes ferroviárias crescem, a demanda por sistemas em tempo real que forneçam insights confiáveis está aumentando. Os sistemas de visão computacional usam detecção de objetos, verificações estruturais e alertas em tempo real para ajudar os operadores a responder rapidamente e com precisão aos problemas.

As ferramentas de IA melhoram as operações diárias e também reduzem os custos de manutenção a longo prazo e os riscos de segurança. À medida que essas ferramentas melhoram, a IA está pronta para desempenhar um papel impactante em tornar os sistemas ferroviários mais eficientes, responsivos e seguros.

Junta-te à nossa crescente community! Explora o nosso GitHub repository para saberes mais sobre AI. Estás pronto para iniciar os teus projetos de computer vision? Consulta as nossas licensing options. Descobre a AI in agriculture e a Vision AI in healthcare visitando as nossas páginas de soluções!