Aplicações da visão computacional nas operações ferroviárias

Para ver uma apresentação visual dos conceitos abordados neste artigo, assista ao vídeo abaixo.

As ferrovias são uma parte fundamental dos sistemas de transporte terrestre. Com mais de 1 milhão de quilômetros de linhas em todo o mundo, as redes ferroviárias conectam cidades, setores industriais e comunidades a grandes distâncias. À medida que esses sistemas se expandem e a demanda cresce, garantir a segurança e a eficiência exige mais do que verificações e monitoramento manuais.

As novas soluções estão a tornar-se cada vez mais essenciais. Por exemplo, a visão por computador, um ramo da inteligência artificial (AI) que trata do processamento de dados visuais, está a ser utilizada para otimizar várias operações ferroviárias.

Sistemas com visão computacional usam câmeras e modelos de visão computacional como o Ultralytics YOLO11 para dar aos operadores ferroviários uma visão das operações em tempo real. Com tarefas como detecção de objetos e segmentação de instâncias, modelos como o YOLO11 podem analisar trilhos, plataformas, túneis e o interior dos trens para detectar objetos, pessoas ou riscos.

Imagine uma situação em que alguém esteja perto demais da borda da plataforma ou apareçam detritos nos trilhos. A IA com visão computacional pode detectá-los em tempo real e enviar um alerta, permitindo que as equipes da estação respondam rapidamente e evitem que possíveis riscos se transformem em atrasos ou acidentes. Ela também ajuda a equipe ao monitorar áreas difíceis de observar o tempo todo.

Fig. 1. Exemplo de uso do Ultralytics YOLO11 para detectar pessoas na plataforma de uma estação ferroviária.

À medida que aumenta a adoção da IA e da visão por computador, mais cidades começam a utilizar IA visual para tornar as operações ferroviárias mais seguras e eficientes. Neste artigo, vamos explorar como a IA visual está a ser aplicada nos fluxos de trabalho do transporte ferroviário em todo o mundo.

O papel da IA com visão computacional nas operações de transporte ferroviário#

As redes ferroviárias envolvem muitas partes móveis que precisam ser monitoradas em tempo real. Atividades que tradicionalmente ficavam a cargo dos funcionários das estações agora podem ser automatizadas com IA. Modelos de visão computacional como o YOLO11 podem ajudar os operadores das estações a supervisionar melhor as operações ferroviárias e responder rapidamente quando surgem problemas.

Em particular, as tarefas de visão computacional são funções específicas que esses modelos podem ser treinados para executar usando dados visuais de câmeras. Veja algumas tarefas importantes que podem ser usadas para monitorar as operações ferroviárias:

• Deteção de objetos: Esta tarefa envolve identificar e localizar objetos específicos numa imagem ou num fotograma de vídeo. Em aplicações ferroviárias, modelos como o Ultralytics YOLO11 podem detetar itens como detritos, ferramentas, bagagem ou pessoas nas vias ou nas proximidades.
• Segmentação de instâncias: Delimita cada objeto individual com uma máscara ao nível do píxel, em vez de uma caixa delimitadora. Na monitorização de infraestruturas ferroviárias, pode ser utilizada para avaliar o estado dos carris, das plataformas e de outras superfícies, identificando características como fissuras, corrosão ou desgaste.
• Estimativa de pose: Envolve detetar e analisar as posições das articulações principais do corpo para compreender a postura humana. No contexto ferroviário, pode ajudar a identificar situações de emergência, como uma pessoa a desmaiar numa plataforma, acionando alertas para que seja prestada assistência.
• Rastreamento de objetos: Refere-se ao acompanhamento do movimento de objetos detetados ao longo de vários fotogramas de vídeo. Em estações ou a bordo de comboios, o rastreamento ajuda a acompanhar o fluxo de passageiros e a monitorizar os movimentos dos comboios.

Fig. 2. O Ultralytics YOLO11 pode ser usado para detetar e rastrear pessoas e comboios com o objetivo de garantir a segurança.

Utilizar IA visual para monitorizar ferrovias#

Embora a monitorização baseada em visão esteja normalmente associada à segurança e à vigilância, os sistemas ferroviários utilizam IA visual para muito mais do que tarefas básicas de segurança. Também contribui para melhorar as operações, reforçar a segurança e apoiar a gestão geral do sistema em toda a rede.

Uma das principais vantagens da utilização de IA visual nos transportes públicos é a capacidade de funcionar em tempo real, fornecendo aos funcionários das estações informações úteis e atempadas para que possam antecipar possíveis problemas.

Vejamos alguns exemplos reais de como a visão computacional está a ajudar as ferrovias a operar com maior precisão e controlo.

Deteção de objetos em sistemas ferroviários para tarefas de manutenção#

Com o crescimento contínuo do tráfego ferroviário na Europa, a necessidade de monitorizar as infraestruturas de forma fiável tornou-se crucial. As vias têm de ser inspecionadas regularmente quanto a desgaste, danos e desalinhamento para permitir operações seguras e sem problemas. Isto implica verificar milhares de quilómetros de vias férreas para detetar sinais precoces de defeitos antes que provoquem interrupções dispendiosas ou acidentes. A IA visual oferece uma forma eficaz de automatizar e melhorar este processo de inspeção.

Fig. 3. Os sistemas de visão computacional podem detetar partes defeituosas de vias ferroviárias.

Por exemplo, nos Países Baixos, onde a rede ferroviária se estende por milhares de quilómetros, monitorizar e manter as vias constantemente é uma tarefa enorme. Embora as inspeções manuais continuem a ser importantes, podem ser lentas, exigir muito trabalho e interromper frequentemente o serviço. Para resolver este problema, foi introduzido um sistema de visão computacional para inspecionar o estado das vias ferroviárias em tempo real.

Câmaras instaladas em comboios em movimento captam continuamente imagens de alta resolução. Em seguida, estas imagens são analisadas por modelos de IA visual treinados para detetar desalinhamentos nas vias, componentes desgastados ou danificados e peças em falta.

Com a monitorização contínua e automatizada, as inspeções são não só mais rápidas, como também mais precisas. As equipas de manutenção podem dar prioridade às zonas que mais precisam de atenção, reduzindo as verificações desnecessárias. Como resultado, os operadores conseguiram reduzir os riscos operacionais e os atrasos, além de melhorar a segurança geral, sem interromper o serviço diário.

Promover operações mais seguras com IA nas infraestruturas ferroviárias#

Em grandes projetos ferroviários, garantir a segurança no local é um dos desafios mais persistentes. Foi especialmente o caso durante a construção da rede ferroviária urbana de Wuhan, na China, onde as obras em curso e as condições variáveis exigiam supervisão constante.

Tradicionalmente, as verificações de segurança baseavam-se na observação manual, o que muitas vezes significava que os riscos só eram identificados depois de ocorrer um incidente. Para melhorar os tempos de resposta e reduzir os riscos, os investigadores introduziram um sistema de monitorização da segurança em tempo real, baseado em visão computacional.

Foram instaladas mais de 240 câmaras de alta definição nos estaleiros de construção para registar continuamente a atividade. As imagens de vídeo foram processadas no local por modelos de IA capazes de detetar não só quando as pessoas entravam em zonas perigosas, mas também se os equipamentos próximos estavam parados ou em movimento, um fator importante para avaliar o risco em tempo real. Quando era detetado um comportamento inseguro, o sistema podia enviar alertas imediatos aos supervisores do estaleiro.

Fig. 4. Deteção de perigos com visão computacional.

Uma análise da vigilância ferroviária com IA visual#

Além de aprimorar a manutenção e as inspeções de segurança, a visão computacional também é usada para monitorar os trilhos em tempo real e detectar invasões. Essa é uma preocupação séria: somente em 2023, foram registradas quase 1.000 mortes relacionadas a ferrovias nos Estados Unidos. Muitos desses incidentes envolveram acesso não autorizado aos trilhos, uma área em que os métodos tradicionais de monitoramento costumam ser limitados.

Para resolver este problema, as ferrovias nos Estados Unidos estão a começar a adotar soluções de visão computacional. Estes sistemas utilizam transmissões de vídeo em direto, analisadas por modelos de IA, para detetar eventos como invasões, obstruções nas vias e possíveis violações 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 fique em risco.

Ao contrário das inspeções manuais, que ocorrem em intervalos definidos, os sistemas de visão computacional proporcionam uma monitorização contínua e em tempo real em toda a rede. Quando é detetada uma ameaça, os operadores recebem alertas imediatos, o que permite respostas rápidas e direcionadas. Isto melhora a perceção da situação, permite intervenções mais rápidas e reduz os atrasos provocados por incidentes evitáveis.

Monitorização da segurança alimentar com IA visual#

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

Até há pouco tempo, as verificações de higiene eram feitas manualmente, o que dificultava a monitorização contínua de todas as cozinhas. Para tornar o processo mais eficiente e fiável, a IRCTC introduziu um sistema de IA visual que monitoriza em tempo real as práticas de segurança alimentar.

O sistema liga-se às câmaras CCTV existentes nas cozinhas e nas zonas de preparação de alimentos. Utiliza modelos de IA treinados para detetar problemas de higiene comuns, como funcionários que não lavam as mãos, a falta de luvas ou redes para o cabelo, ou postos de trabalho sujos.

Desde a sua implementação, o sistema tem ajudado a melhorar os padrões de higiene e facilitado o acompanhamento da segurança alimentar pelos funcionários, que podem dedicar mais tempo à preparação das refeições, em vez de se limitarem a verificar os procedimentos.

Vantagens e desvantagens da visão computacional nas operações ferroviárias#

A visão computacional oferece várias vantagens para melhorar a segurança, a manutenção e as operações do dia a dia nos sistemas ferroviários. Eis algumas das principais:

• Manutenção preditiva: Ao detetar sinais precoces de desgaste ou danos nas vias e infraestruturas, a IA visual pode ajudar a evitar falhas antes que ocorram.
• Monitorização 24 horas por dia, 7 dias por semana: Ao contrário dos inspetores humanos, os sistemas de visão computacional podem funcionar continuamente, sem fadiga nem turnos.
• Escalabilidade: Depois de implementado, o mesmo sistema pode ser expandido para abranger mais estações, comboios ou zonas operacionais, com um esforço adicional mínimo.

Apesar das muitas vantagens que a IA visual proporciona ao transporte ferroviário, continuam a existir desafios na implementação e manutenção destes sistemas. Eis algumas desvantagens a ter em conta:

• Questões de privacidade: A vigilância contínua em espaços públicos pode levantar questões éticas e causar desconforto a passageiros e funcionários.
• Elevado custo inicial: A instalação de um sistema de IA visual, incluindo câmaras, servidores e software de IA, exige um investimento inicial significativo.
• Integração complexa: Integrar sistemas de visão computacional com as infraestruturas existentes, como sistemas de sinalização ou controlo antigos, pode ser tecnicamente difícil.

Principais conclusões#

Com o crescimento das redes ferroviárias, aumenta a procura por sistemas em tempo real que forneçam informações fiáveis. Os sistemas de visão computacional utilizam a deteção de objetos, verificações estruturais e alertas em tempo real para ajudar os operadores a responder aos problemas de forma rápida e precisa.

As ferramentas de IA melhoram as operações diárias e também reduzem os custos de manutenção a longo prazo e os riscos para a segurança. À medida que estas ferramentas evoluem, a IA deverá desempenhar um papel importante para tornar os sistemas ferroviários mais eficientes, reativos e seguros.

Junta-te à nossa comunidade, que está a crescer! Explora o nosso repositório no GitHub para saberes mais sobre IA. Queres começar os teus projetos de visão computacional? Consulta as nossas opções de licenciamento. Descobre a IA na agricultura e a IA visual na área da saúde nas nossas páginas de soluções!