O TrainVision da mtrail reduz em quase 100% o tempo de coleta de dados ferroviários

A mtrail criou o TrainVision, um sistema offline de reconhecimento de imagens por IA em tempo real, baseado em Ultralytics YOLO, que detecta automaticamente números europeus de veículos, placas de perigo e placas de freio, reduzindo o tempo de coleta de dados em 40–100% e os erros em pelo menos 90%.

Há 15 anos, a mtrail apoia operadores ferroviários e de infraestrutura com profundo conhecimento do setor e soluções técnicas que otimizam processos operacionais. Com o TrainVision, a mtrail transformou essa experiência em um sistema inteligente de reconhecimento de objetos, desenvolvido com Ultralytics YOLO, que automatiza e otimiza processos manuais, permitindo a detecção eficiente de anomalias e o registro e a validação seguros de informações sobre trens.

O desafio: por que os dados de composição são importantes#

Dados precisos de composição e tração — a sequência exata de vagões e locomotivas que formam um trem, além do comprimento, do peso e dos detalhes de tração do trem — são essenciais para um planejamento confiável e para orientar os clientes. Os operadores ferroviários precisam enviar esses dados aos sistemas centrais de informações sobre trens.

Para trens de passageiros, geralmente é possível derivar automaticamente os dados de composição a partir dos dados de planejamento. Mas, para trens de construção e em pátios de manobras, muitas vezes ainda é necessário inserir os dados manualmente. Isso significa que os funcionários ferroviários precisam registrar manualmente o número europeu de veículo (EVN) de cada vagão e locomotiva, normalmente usando luvas, em uma área de via ativa. Esse processo é lento, sujeito a erros e cria um risco real de segurança: cada segundo que um trabalhador passa concentrado em um tablet é um segundo de menor atenção à via ao redor.

TrainVision: reconhecimento em tempo real de dados ferroviários específicos#

A TrainVision utiliza aprendizagem automática e visão por computador para automatizar este reconhecimento de ponta a ponta, dando suporte aos processos manuais atuais e oferecendo um caminho claro para a automatização total. Para a deteção de objetos, a TrainVision utiliza Ultralytics YOLO para localizar com precisão elementos como EVN e sinais de perigo numa imagem. Depois de localizados, os modelos personalizados de OCR, treinados pela própria mtrail, extraem as informações específicas do domínio, lendo o próprio EVN e identificando classificações de perigo ou sinais de travões.

Fig. 1. Demonstração em direto da TrainVision com Ultralytics YOLO, treinado especificamente para EVN e marcações de vagões (imagem captada em privado).

Para alcançar a precisão exigida por este caso de utilização, a mtrail treina os seus modelos com imagens do mundo real combinadas com milhões de imagens sintéticas geradas internamente. Como o processo de síntese está totalmente definido e pode ser rastreado, não é necessário anotar manualmente as imagens resultantes. Isto poupa muito tempo e permite à mtrail voltar a treinar rapidamente os modelos sempre que é identificado um novo caso extremo do mundo real (desgaste, obstrução, iluminação invulgar).

O TrainVision não é um único modelo universal. Para cada plataforma-alvo, a mtrail cria um modelo personalizado e específico para essa plataforma, otimizado para o respectivo ambiente de execução. Isso permite integrar o TrainVision a vários ambientes de implantação, de dispositivos móveis portáteis a sistemas fixos de câmeras ao lado dos trilhos, processando cada imagem em apenas 8–30 milissegundos.

Por que Ultralytics YOLO?#

Para a mtrail, a velocidade de detecção e a implantação na borda eram requisitos indispensáveis. O TrainVision precisava funcionar de maneira confiável em dispositivos móveis no campo, não apenas em um centro de dados, e com os modelos específicos para cada plataforma e ambiente de execução-alvo.

Esse desempenho fez de Ultralytics YOLO a base da camada de detecção de objetos do TrainVision. Os modelos YOLO são treinados com imagens do mundo real para localizar com precisão elementos como EVNs e placas de perigo, tanto em implantações móveis quanto em implantações com câmeras fixas. Em seguida, os modelos próprios de OCR e reconhecimento da mtrail assumem as tarefas específicas do domínio, extraindo informações detalhadas dos elementos localizados por YOLO.

Benefícios e resultados para os clientes#

Ao automatizar uma tarefa que antes dependia inteiramente da inserção manual de dados, o TrainVision proporciona melhorias mensuráveis aos operadores ferroviários:

• Redução de até 100% no tempo de coleta de dados, eliminando a inserção manual de EVNs no campo. Com Ultralytics YOLO, a mtrail observou um aumento de cerca de 40% para quase 100% na eficiência.
• Redução de pelo menos 90% na taxa de erros, em comparação com a inserção manual de dados.
• Maior segurança para os funcionários ao eliminar a distração causada pela inserção manual de dados em áreas de via ativa.
• Potencial de automação total para instalações fixas, nas quais sistemas de câmeras estacionárias podem validar uma ampla variedade de pontos de medição específicos do setor ferroviário, incluindo composições, mercadorias perigosas, características de frenagem, estado dos vagões e datas de revisão, sem intervenção manual.

O que se segue para a TrainVision#

Defeitos que hoje costumam ser registrados manualmente com etiquetas físicas poderiam, em vez disso, ser detectados automaticamente e enviados diretamente a plataformas europeias de dados ferroviários ou sistemas de manutenção por meio de interfaces padronizadas, como TAF-TSI. Combinar a experiência da mtrail no setor ferroviário com visão computacional nesse nível poderia aumentar ainda mais a eficiência e a qualidade da detecção de defeitos e, ao complementar a amostragem aleatória com sistemas fixos, ajudar a estabelecer um monitoramento de segurança mais abrangente e contínuo em toda a rede.

A mtrail vê um potencial significativo em verificações de segurança e manutenção preditiva de material rodante. Atualmente, a detecção de anomalias é feita manualmente durante transferências de material rodante entre proprietários e empresas ferroviárias, incluindo inspeções por amostragem aleatória definidas pela ISO 2859 e pelo Contrato Geral para a Utilização de Vagões de Mercadorias, que são aplicações naturais para os recursos de detecção do TrainVision.

Quer saber como a IA visual pode transformar as operações ferroviárias e de transporte? Explore as soluções da Ultralytics para o setor, conheça nossas opções de licenciamento ou confira o repositório no GitHub para começar hoje mesmo.