mtrail'in TrainVision yazılımı, raylı sistem veri toplama süresini neredeyse %100 oranında kısaltıyor

mtrail, 15 yıldır operasyonel süreçleri optimize eden derin alan uzmanlığı ve teknik çözümlerle demiryolu ve altyapı işletmecilerini desteklemektedir. mtrail, TrainVision ile bu uzmanlığı Ultralytics YOLO üzerine kurulmuş, manuel süreçleri otomatikleştiren ve optimize eden akıllı bir nesne tanıma sistemine dönüştürmüş; böylece verimli anomali tespiti ile tren bilgilerinin güvenli bir şekilde kaydedilmesini ve doğrulanmasını sağlamıştır.

Zorluk: Dizilim verileri neden önemlidir?#

Doğru dizilim ve çekiş verileri (bir treni oluşturan vagon ve lokomotiflerin tam sırası ile birlikte tren uzunluğu, ağırlığı ve çekiş detayları), güvenilir tarifelendirme ve yolcu yönlendirmesi için esastır. Demiryolu işletmecilerinin bu verileri merkezi tren bilgi sistemlerine bildirmesi zorunludur.

Yolcu trenleri için dizilim verileri genellikle planlama verilerinden otomatik olarak elde edilebilir. Ancak inşaat trenlerinde ve manevra sahalarında manuel giriş hala sıklıkla gereklidir. Bu durum, demiryolu personelinin aktif bir hat ortamında, tipik olarak eldiven giyerek, her bir vagon ve lokomotifin Avrupa Araç Numarasını (EVN) manuel olarak kaydetmesi gerektiği anlamına gelir. Bu süreç yavaştır, hata yapmaya açıktır ve gerçek bir güvenlik riski oluşturur: bir çalışanın bir tablette geçirdiği her saniye, çevreleyen hatta olan farkındalığın azaldığı bir saniyedir.

TrainVision: Demiryoluna özel veriler için gerçek zamanlı tanıma#

TrainVision, günümüzdeki manuel süreçleri tam otomasyona doğru net bir yol ile destekleyerek bu tanıma sürecini uçtan uca otomatikleştirmek için makine öğrenimi ve bilgisayarlı görü kullanmaktadır. Nesne tespiti için TrainVision, bir kare içindeki EVN'ler ve tehlike işaretleri gibi unsurların konumunu doğru bir şekilde belirlemek amacıyla Ultralytics YOLO teknolojisine güvenmektedir. Konumları belirlendikten sonra mtrail'in kendi özel eğitilmiş OCR ve tanıma modelleri, EVN'yi okuyarak, tehlike sınıflarını veya fren işaretlerini tanımlayarak alana özel bilgileri çıkarır.

Şekil 1. EVN ve vagon işaretleri için özel olarak eğitilmiş Ultralytics YOLO'dan yararlanan TrainVision canlı demosu. (özel olarak yakalanmış görsel).

Bu kullanım durumunun gerektirdiği doğruluğa ulaşmak için mtrail, modellerini gerçek dünya görüntüleri ile şirket içinde üretilen milyonlarca sentetik görüntüyü birleştirerek eğitir. Sentez süreci tamamen tanımlı ve izlenebilir olduğundan, ortaya çıkan görüntülerin manuel olarak etiketlenmesine gerek kalmaz; bu da mtrail'in yeni bir gerçek dünya uç durumu (hava koşulları, engeller, olağandışı aydınlatma) tespit edildiğinde modelleri hızlı bir şekilde yeniden eğitmesine olanak tanıyan önemli bir zaman tasarrufu sağlar.

TrainVision tek ve her duruma uyan tek tip bir model değildir. mtrail, her hedef platform için o çalışma zamanına göre optimize edilmiş, platforma özel, özelleştirilmiş bir model oluşturur. Bu, TrainVision'ın el tipi mobil cihazlardan sabit hat kenarı kamera sistemlerine kadar çeşitli dağıtım ortamlarına entegre edilmesini sağlarken her bir görüntüyü yalnızca 8–30 milisaniyede işlemesine olanak tanır.

Neden Ultralytics YOLO?#

mtrail için tespit hızı ve uçta (edge) dağıtım tartışılamaz gereksinimlerdi. TrainVision'ın yalnızca bir veri merkezinde değil, sahada mobil cihazlarda ve her hedef çalışma zamanı için oluşturulan platforma özel modellerde güvenilir bir şekilde çalışması gerekiyordu.

Bu performans, Ultralytics YOLO'yu TrainVision'ın nesne tespiti katmanının temeli haline getirdi. YOLO modelleri, hem mobil hem de sabit kamera dağıtımlarında EVN'ler ve tehlike işaretleri gibi öğeleri doğru bir şekilde bulmak için gerçek dünya görüntüleri üzerinde eğitilir. mtrail'in kendi OCR ve tanıma modelleri daha sonra alan adıyla ilgili işler için devralarak YOLO'nun konumlandırdığı öğelerden ayrıntılı bilgileri çıkarır.

Müşteri faydaları ve sonuçları#

TrainVision, daha önce tamamen manuel girişlere dayanan bir görevi otomatikleştirerek demiryolu işletmecileri için ölçülebilir iyileştirmeler sunar:

• Sahada manuel EVN girişini ortadan kaldırarak veri toplama süresinde %100'e varan azalma. mtrail, Ultralytics YOLO ile verimlilikte yaklaşık %40'tan neredeyse %100'e sıçrama kaydetti.
• Manuel veri girişine kıyasla hata oranında en az %90 azalma.
• Aktif hat bölgelerinde manuel veri girişinin dikkat dağıtıcı unsurları ortadan kaldırılarak iyileştirilmiş personel güvenliği.
• Sabit kamera sistemlerinin; dizilimler, tehlikeli maddeler, fren karakteristikleri, vagon durumu ve revizyon tarihleri dahil olmak üzere demiryoluna özgü çok çeşitli ölçüm noktalarını manuel müdahale olmaksızın doğrulayabildiği sabit kurulumlar için tam otomasyon potansiyeli.

TrainVision için sırada ne var?#

Günümüzde genellikle fiziksel etiketlerle manuel olarak kaydedilen kusurlar, bunun yerine otomatik olarak tespit edilebilir ve TAF-TSI gibi standartlaştırılmış arayüzler aracılığıyla doğrudan Avrupa demiryolu veri platformlarına veya bakım sistemlerine aktarılabilir. mtrail'in demiryolu alan uzmanlığını bu düzeyde bilgisayarlı görü ile birleştirmek, kusur tespitinin hem verimliliğini hem de kalitesini daha da artırabilir ve sabit sistemlerle rastgele örneklemeyi genişleterek ağ genelinde daha kapsamlı, sürekli güvenlik izlemesi kurulmasına yardımcı olabilir.

mtrail, çekili araçlara yönelik güvenlik kontrollerinde ve kestirimci bakımda önemli bir potansiyel daha görmekte ve bunu hedeflemektedir. Anomali tespiti halihazırda sahipler ile demiryolu teşebbüsleri arasındaki çekili araç transferleri sırasında manuel olarak gerçekleştirilmektedir; ISO 2859 ve Yük Vagonları Kullanımı Genel Sözleşmesi kapsamında tanımlanan rastgele örnekleme denetimleri de TrainVision'ın tespit yetenekleri için doğal bir sonraki uygulama alanıdır.

Görücü Yapay Zekası'nın (Vision AI) demiryolu ve ulaşım operasyonlarını nasıl dönüştürebileceğini merak ediyor musunuz? Hemen bugün başlamak için Ultralytics sektör çözümlerini keşfedin, lisanslama seçeneklerimizi inceleyin veya GitHub deposuna göz atın.