Aplicações de visão computacional em operações ferroviárias

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

As ferrovias são uma parte fundamental dos sistemas de transporte terrestres. Estendendo-se por mais de 1 milhão de quilômetros de rotas em todo o mundo, as redes ferroviárias conectam cidades, indústrias e comunidades através de vastas distâncias. À medida que esses sistemas se expandem e a demanda cresce, garantir a segurança e a eficiência exige mais do que apenas verificações e monitoramento manuais.

Soluções de ponta estão se tornando cada vez mais essenciais. Por exemplo, a visão computacional, um ramo da inteligência artificial (IA) que lida com o processamento de dados visuais, está sendo usada para otimizar várias operações ferroviárias.

Sistemas habilitados por visão usam câmeras e modelos de visão computacional como o Ultralytics YOLO11 para fornecer aos operadores ferroviários consciência operacional em tempo real. Por meio de tarefas como detecção de objetos e segmentação de instâncias, modelos como o YOLO11 podem intervir para analisar trilhos, plataformas, túneis e o interior de trens para detectar 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 do uso do 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!

Link to this sectionO papel da IA de Visão nas operações de transporte ferroviário#

As redes ferroviárias envolvem muitas partes móveis que precisam ser monitoradas em tempo real. O que era tradicionalmente feito pela equipe da estação agora pode ser automatizado usando IA. Modelos de visão computacional como o YOLO11 podem ajudar os operadores das estações a observar as funções ferroviárias mais de perto e responder rapidamente quando surgirem problemas.

Em particular, tarefas de visão computacional referem-se às funções específicas que esses modelos podem ser treinados para realizar usando entrada visual de câmeras. Aqui estão algumas tarefas importantes que podem ser usadas para monitorar 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 YOLO11 podem detectar itens como detritos, ferramentas, bagagem ou pessoas nos trilhos ou perto deles.

• 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 YOLO11 pode ser usado para detectar e rastrear pessoas e trens para fins de segurança.

Link to this sectionUsando 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.

Um benefício fundamental de usar IA de Visão no transporte público é sua capacidade de trabalhar em tempo real, fornecendo à equipe da estação informações oportunas e úteis para se antecipar a possíveis problemas.

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

Link to this sectionDetecção 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. Sistemas de visão computacional podem detectar peças defeituosas de trilhos ferroviários.

Por exemplo, nos Países Baixos, onde a rede ferroviária se estende por milhares de quilômetros, monitorar e manter os trilhos constantemente é uma tarefa enorme. Embora as inspeções manuais ainda sejam importantes, elas podem ser lentas, trabalhosas e muitas vezes interrompem o serviço. Para resolver isso, um sistema de visão computacional foi introduzido para inspecionar as condições dos trilhos em tempo real.

Câmeras montadas em trens em movimento capturam um fluxo contínuo de imagens de alta resolução. Esses visuais são então analisados por modelos de IA de visão treinados para detectar desalinhamentos de trilhos, componentes desgastados ou danificados e peças ausentes.

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.

Link to this sectionConduzindo 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 dependiam da observação manual, o que muitas vezes significava que os riscos só eram identificados após a ocorrência de um incidente. Para melhorar os tempos de resposta e reduzir o risco, os pesquisadores introduziram um sistema de monitoramento de segurança em tempo real, potencializado por visão computacional.

Mais de 240 câmeras de alta definição foram instaladas em todos os canteiros de obras para registrar a atividade continuamente. As filmagens foram processadas no local usando modelos de IA capazes de detectar não apenas quando indivíduos entravam em áreas perigosas, mas também se o equipamento próximo estava estacionário ou em movimento - um fator importante na avaliação de risco em tempo real. Quando comportamentos inseguros eram detectados, o sistema podia enviar alertas imediatos aos supervisores do local.

Fig 4. Detectando perigos usando visão computacional.

Link to this sectionUm 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 isso, as ferrovias nos Estados Unidos estão começando a adotar soluções de visão computacional. Esses sistemas usam feeds de vídeo ao vivo, analisados por modelos de IA, para detectar eventos como invasão, obstruções nos trilhos e possíveis violações de sinal. Ao identificar esses problemas conforme eles ocorrem, o sistema ajuda as equipes 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.

Link to this sectionMonitoramento 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 monitorar todas as cozinhas o tempo todo. Para tornar as coisas mais eficientes e confiáveis, a IRCTC introduziu um sistema de IA de visão que fica de olho nas práticas de segurança alimentar 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 que foi implementado, o sistema ajudou a melhorar os padrões de higiene e facilitou para a equipe manter a segurança alimentar em dia, enquanto dedicam mais tempo a se concentrar no preparo das refeições, e não apenas na verificação de procedimentos.

Link to this sectionPrós 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.
• Escalabilidade: Uma vez implementado, o mesmo sistema pode ser expandido para cobrir mais estações, trens 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 vigilância contínua em áreas públicas pode levantar 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.

Link to this sectionPrincipais 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.

Junte-se à nossa comunidade em crescimento! Explore nosso repositório GitHub para saber mais sobre IA. Pronto para iniciar seus projetos de visão computacional? Confira nossas opções de licenciamento. Descubra IA na agricultura e IA de Visão na saúde visitando nossas páginas de soluções!