Các ứng dụng của thị giác máy tính trong vận hành đường sắt

Để có cái nhìn trực quan về các khái niệm được đề cập trong bài viết này, hãy xem video bên dưới.

Đường sắt là một phần cốt lõi của hệ thống giao thông mặt đất. Trải dài trên hơn 1 triệu km đường ray trên toàn thế giới, railway networks kết nối các thành phố, ngành công nghiệp và cộng đồng trên khoảng cách lớn. Khi các hệ thống này mở rộng và nhu cầu tăng lên, việc đảm bảo an toàn và hiệu quả đòi hỏi nhiều hơn là chỉ các biện pháp kiểm tra và giám sát thủ công.

Các giải pháp tiên tiến đang trở nên ngày càng thiết yếu. Chẳng hạn, computer vision, một nhánh của artificial intelligence (AI) chuyên xử lý dữ liệu trực quan, đang được ứng dụng để tối ưu hóa các hoạt động đường sắt khác nhau.

Các hệ thống hỗ trợ thị giác sử dụng camera và các mô hình computer vision như Ultralytics YOLO11 để cung cấp cho các nhà vận hành đường sắt khả năng nhận thức thời gian thực về các hoạt động. Thông qua các tác vụ như object detection và instance segmentation, các mô hình như YOLO11 có thể can thiệp để phân tích đường ray, sân ga, đường hầm và bên trong tàu nhằm phát hiện đồ vật, con người hoặc mối nguy hiểm.

Hãy xem xét một tình huống khi có người đứng quá gần mép sân ga hoặc có mảnh vỡ xuất hiện trên đường ray. Vision AI có thể phát hiện điều đó trong thời gian thực và gửi cảnh báo, cho phép đội ngũ nhà ga phản ứng nhanh chóng và ngăn chặn các rủi ro tiềm ẩn dẫn đến chậm trễ hoặc tai nạn. Nó cũng hỗ trợ nhân viên bằng cách giám sát các khu vực khó theo dõi liên tục.

Hình 1. Ví dụ về việc sử dụng Ultralytics YOLO11 để phát hiện người đứng trên sân ga.

Khi việc áp dụng AI và thị giác máy tính ngày càng tăng, nhiều thành phố bắt đầu sử dụng Vision AI để làm cho hoạt động đường sắt an toàn và hiệu quả hơn. Trong bài viết này, chúng tôi sẽ khám phá cách Vision AI được áp dụng trong các quy trình vận tải đường sắt trên khắp thế giới. Hãy bắt đầu ngay!

Vai trò của Vision AI trong vận hành vận tải đường sắt#

Mạng lưới đường sắt liên quan đến nhiều bộ phận chuyển động cần được giám sát trong thời gian thực. Những gì trước đây do nhân viên nhà ga thực hiện giờ đây có thể được tự động hóa bằng AI. Computer vision models như YOLO11 có thể giúp các nhà vận hành ga theo dõi sát sao hơn các chức năng đường sắt và phản ứng nhanh chóng khi có sự cố phát sinh.

Cụ thể, computer vision tasks đề cập đến các chức năng cụ thể mà các mô hình này có thể được huấn luyện để thực hiện bằng cách sử dụng đầu vào hình ảnh từ camera. Dưới đây là một số tác vụ chính có thể được sử dụng để giám sát các hoạt động đường sắt:

• Phát hiện đối tượng: Tác vụ này liên quan đến việc nhận diện và khoanh vùng các đối tượng cụ thể trong một hình ảnh hoặc khung hình video. Trong các ứng dụng đường sắt, các model như Ultralytics YOLO11 có thể phát hiện các mục như mảnh vỡ, dụng cụ, hành lý hoặc người trên hoặc gần đường ray.

• Object tracking: Tác vụ này đề cập đến việc theo dõi chuyển động của các đối tượng đã được phát hiện qua nhiều khung hình video. Tại nhà ga hoặc trên tàu, tính năng theo dõi giúp theo dõi luồng hành khách và giám sát các chuyển động của tàu.

• Pose estimation: Tác vụ này bao gồm việc phát hiện và phân tích vị trí các khớp cơ thể chính để hiểu tư thế con người. Trong môi trường đường sắt, nó có thể giúp xác định các tình huống khẩn cấp, chẳng hạn như một người ngã gục trên sân ga, từ đó kích hoạt cảnh báo để can thiệp.

• Instance segmentation: Tác vụ này tập trung vào việc phân loại từng pixel trong ảnh thành các danh mục xác định trước. Trong giám sát hạ tầng đường sắt, nó có thể được dùng để đánh giá tình trạng đường ray, sân ga và các bề mặt khác bằng cách nhận diện các đặc điểm như vết nứt, ăn mòn hoặc mài mòn.

Hình 2. Ultralytics YOLO11 có thể được sử dụng để phát hiện và theo dõi người và tàu hỏa nhằm mục đích an toàn.

Sử dụng Vision AI để giám sát đường sắt#

Mặc dù giám sát dựa trên thị giác thường gắn liền với an ninh và bảo vệ, các hệ thống đường sắt sử dụng Vision AI cho nhiều mục đích hơn là chỉ các tác vụ an ninh cơ bản. Nó cũng đóng vai trò trong việc cải thiện vận hành, nâng cao an toàn và hỗ trợ quản lý hệ thống tổng thể trên toàn mạng lưới.

Một lợi ích cốt lõi của việc sử dụng Vision AI in public transportation là khả năng hoạt động trong thời gian thực, cung cấp cho nhân viên nhà ga thông tin kịp thời và hữu ích để đi trước một bước các vấn đề tiềm ẩn.

Hãy cùng xem một số ví dụ thực tế về cách thị giác máy tính đang giúp đường sắt vận hành với độ chính xác và kiểm soát cao hơn.

Object detection trong hệ thống đường sắt cho các tác vụ bảo trì#

Khi lưu lượng đường sắt tiếp tục tăng ở Châu Âu, nhu cầu giám sát hạ tầng đáng tin cậy đã trở nên vô cùng quan trọng. Đường ray phải được kiểm tra thường xuyên để phát hiện độ mài mòn, hư hỏng và lệch trục nhằm đảm bảo vận hành an toàn và trơn tru. Việc này đòi hỏi phải kiểm tra hàng ngàn km đường ray để tìm các dấu hiệu khiếm khuyết sớm trước khi chúng dẫn đến sự cố tốn kém hoặc tai nạn. Vision AI mang đến một cách hiệu quả để tự động hóa và tăng cường quy trình kiểm tra này.

Fig 3. Các hệ thống computer vision có thể phát hiện các bộ phận bị lỗi của đường ray tàu hỏa.

Ví dụ, tại Hà Lan, nơi mạng lưới đường sắt trải dài qua hàng nghìn kilômét, việc liên tục giám sát và bảo trì đường ray là một công việc khổng lồ. Mặc dù các cuộc kiểm tra thủ công vẫn quan trọng, chúng có thể chậm chạp, tốn nhiều nhân công và thường làm gián đoạn dịch vụ. Để giải quyết vấn đề này, một hệ thống computer vision đã được giới thiệu để inspect rail-track conditions trong thời gian thực.

Cameras được gắn trên các đoàn tàu đang di chuyển ghi lại liên tục dòng hình ảnh độ phân giải cao. Những hình ảnh trực quan này sau đó được phân tích bởi các mô hình vision AI được huấn luyện để phát hiện tình trạng lệch đường ray, các linh kiện bị mòn hoặc hư hỏng và các bộ phận bị thiếu.

Với việc giám sát tự động và liên tục được áp dụng, việc kiểm tra không chỉ nhanh hơn mà còn chính xác hơn. Các đội bảo trì có thể ưu tiên các khu vực cần chú ý nhất, giảm bớt các bước kiểm tra không cần thiết. Kết quả là, các nhà vận hành đã có thể giảm thiểu rủi ro vận hành, cắt giảm sự chậm trễ và cải thiện an toàn tổng thể mà không làm gián đoạn dịch vụ hàng ngày.

Thúc đẩy vận hành an toàn hơn với AI trong hạ tầng đường sắt#

Trong các dự án đường sắt quy mô lớn, việc duy trì an toàn tại chỗ là một trong những thách thức dai dẳng nhất. Điều này đặc biệt đúng trong quá trình xây dựng mạng lưới đường sắt đô thị ở Vũ Hán, Trung Quốc, nơi các công trường đang hoạt động và điều kiện thay đổi đòi hỏi sự giám sát không ngừng.

Trước đây, việc kiểm tra an toàn dựa vào quan sát thủ công, điều này thường có nghĩa là các rủi ro chỉ được xác định sau khi sự cố đã xảy ra. Để cải thiện thời gian phản hồi và giảm thiểu rủi ro, các nhà nghiên cứu đã giới thiệu một safety monitoring system thời gian thực được hỗ trợ bởi computer vision.

Hơn 240 camera độ nét cao đã được lắp đặt trên khắp các construction sites để ghi lại hoạt động liên tục. Đoạn phim video đã được xử lý tại chỗ bằng các mô hình AI có khả năng phát hiện không chỉ khi cá nhân bước vào khu vực nguy hiểm mà còn liệu thiết bị gần đó đang đứng yên hay đang di chuyển - một yếu tố quan trọng trong việc đánh giá rủi ro thời gian thực. Khi phát hiện hành vi không an toàn, hệ thống có thể gửi cảnh báo ngay lập tức cho giám sát viên công trường.

Fig 4. Phát hiện mối nguy hiểm bằng computer vision.

Cái nhìn về giám sát đường sắt sử dụng Vision AI#

Ngoài việc cải thiện bảo trì và kiểm tra an toàn, thị giác máy tính cũng đang được sử dụng để giám sát đường ray theo thời gian thực đối với các hành vi xâm nhập. Đây là một vấn đề nghiêm trọng, với 995 trường hợp tử vong liên quan đến đường sắt được báo cáo tại Hoa Kỳ chỉ riêng trong năm 2023. Nhiều sự cố trong số này liên quan đến việc truy cập trái phép vào đường ray, một lĩnh vực mà các phương pháp giám sát truyền thống thường bị hạn chế.

Để giải quyết vấn đề này, ngành đường sắt tại Hoa Kỳ đang bắt đầu áp dụng các computer vision solutions. Các hệ thống này sử dụng nguồn cấp video trực tiếp, được phân tích bởi các mô hình AI, để phát hiện các sự cố như đột nhập trái phép, vật cản đường ray và khả năng vi phạm tín hiệu. Bằng cách xác định các vấn đề này ngay khi chúng xảy ra, hệ thống giúp các nhóm phản ứng nhanh chóng, trước khi dịch vụ bị gián đoạn hoặc an toàn bị đe dọa.

Không giống như kiểm tra thủ công diễn ra theo định kỳ, các hệ thống thị giác máy tính cung cấp khả năng giám sát liên tục, thời gian thực trên toàn mạng lưới. Khi phát hiện mối đe dọa, các cảnh báo được gửi ngay lập tức cho người vận hành, cho phép phản ứng nhanh và có mục tiêu. Điều này dẫn đến nhận thức tình huống tốt hơn, can thiệp nhanh hơn và ít chậm trễ hơn do các sự cố có thể tránh được.

Giám sát an toàn thực phẩm với Vision AI#

Mỗi ngày, hàng triệu bữa ăn được chuẩn bị và phục vụ trên các chuyến tàu và nhà ga, nơi vệ sinh là ưu tiên hàng đầu. Tại Ấn Độ, Tập đoàn Du lịch và Phục vụ Đường sắt Ấn Độ (IRCTC) quản lý một trong những mạng lưới thực phẩm đường sắt lớn nhất thế giới.

Cho đến gần đây, việc kiểm tra vệ sinh được thực hiện thủ công, điều này gây khó khăn trong việc giám sát mọi nhà bếp mọi lúc. Để làm cho mọi thứ hiệu quả và đáng tin cậy hơn, IRCTC đã giới thiệu một hệ thống vision AI theo dõi sát sao food safety practices trong thời gian thực.

Hệ thống kết nối với các camera CCTV hiện có trong nhà bếp và các khu vực chế biến thực phẩm. Nó sử dụng các model AI được huấn luyện để phát hiện các vấn đề vệ sinh phổ biến như nhân viên không rửa tay, thiếu găng tay hoặc lưới che tóc, hoặc trạm làm việc không sạch sẽ.

Kể từ khi được triển khai, hệ thống đã giúp cải thiện các tiêu chuẩn vệ sinh và giúp nhân viên dễ dàng duy trì food safety hơn, đồng thời dành nhiều thời gian hơn để tập trung chuẩn bị bữa ăn thay vì chỉ kiểm tra các quy trình.

Ưu và nhược điểm của thị giác máy tính trong vận hành đường sắt#

Thị giác máy tính mang lại một loạt lợi ích khi cải thiện an toàn, bảo trì và vận hành hàng ngày trong các hệ thống đường sắt. Dưới đây là một số ưu điểm chính:

• Predictive maintenance: Bằng cách phát hiện sớm các dấu hiệu mài mòn hoặc hư hỏng trên đường ray và hạ tầng, Vision AI có thể giúp ngăn chặn các hỏng hóc trước khi chúng xảy ra.
• 24/7 monitoring: Không giống như các nhân viên kiểm tra, các hệ thống thị giác máy tính có thể hoạt động liên tục mà không bị mệt mỏi hay theo ca.
• Scalability: Một khi được triển khai, cùng một hệ thống có thể được mở rộng để bao phủ nhiều nhà ga, chuyến tàu hoặc khu vực vận hành hơn với nỗ lực bổ sung tối thiểu.

Mặc dù Vision AI mang lại nhiều điểm tích cực cho vận tải đường sắt, vẫn còn những thách thức trong việc triển khai và duy trì các hệ thống này. Dưới đây là một vài nhược điểm cần xem xét:

• Privacy concerns: Việc surveillance liên tục ở các khu vực công cộng có thể gây ra các vấn đề về đạo đức và sự khó chịu cho hành khách cũng như nhân viên.
• High initial cost: Thiết lập một hệ thống Vision AI, bao gồm camera, máy chủ và phần mềm AI, đòi hỏi đầu tư ban đầu đáng kể.
• Complex integration: Việc tích hợp các hệ thống thị giác máy tính với cơ sở hạ tầng hiện có, chẳng hạn như hệ thống tín hiệu hoặc điều khiển cũ, có thể là một thách thức về kỹ thuật.

Các điểm chính cần lưu ý#

Khi mạng lưới đường sắt phát triển, nhu cầu về các hệ thống thời gian thực cung cấp thông tin chi tiết đáng tin cậy ngày càng tăng. Các hệ thống thị giác máy tính sử dụng object detection, kiểm tra cấu trúc và cảnh báo thời gian thực để giúp các nhà điều hành phản ứng nhanh và chính xác với các vấn đề.

Các công cụ AI cải thiện hoạt động hàng ngày và cũng giảm chi phí bảo trì dài hạn cũng như rủi ro an toàn. Khi các công cụ này cải tiến, AI sẵn sàng đóng một vai trò quan trọng trong việc làm cho hệ thống đường sắt trở nên hiệu quả, nhạy bén và an toàn hơn.

Hãy tham gia community đang phát triển của chúng tôi! Khám phá GitHub repository của chúng tôi để tìm hiểu thêm về AI. Sẵn sàng bắt đầu các dự án computer vision của bạn chưa? Hãy xem các licensing options của chúng tôi. Khám phá AI in agriculture và Vision AI in healthcare bằng cách truy cập các trang giải pháp của chúng tôi!