mtrail 构建了 TrainVision，这是一套由 Ultralytics YOLO 驱动的离线实时 AI 图像识别系统，可自动检测欧洲车辆编号、危险标志和制动标志，将数据采集时间缩短 40–100%，并将错误减少至少 90%。
15 年来，mtrail 凭借深厚的行业专业知识和技术解决方案，为铁路及基础设施运营商提供支持，帮助优化运营流程。借助 TrainVision，mtrail 将这些专业知识转化为一套基于 Ultralytics YOLO 构建的智能目标识别系统，实现手动流程的自动化与优化，从而支持高效的异常检测，以及列车信息的安全记录和验证。
挑战：为什么编组数据至关重要#
准确的编组和牵引数据（构成列车的车厢和机车的确切顺序，以及列车长度、重量和牵引详情）对于可靠的调度和客户指引至关重要。铁路运营商必须将这些数据报告给中央列车信息系统。
对于客运列车，编组数据通常可以根据规划数据自动生成。但对于工程列车以及编组场内的列车，通常仍需手动录入。这意味着铁路工作人员必须在活跃的轨道环境中，通常戴着手套，手动记录每节车厢和每台机车的欧洲车辆编号（EVN）。这一过程缓慢且容易出错，还会带来切实的安全风险：工作人员每花一秒钟专注于平板电脑，就意味着对周围轨道环境的警觉性降低一秒。
TrainVision：面向铁路专用数据的实时识别#
TrainVision 使用机器学习和计算机视觉端到端地自动完成识别，在支持当前手动流程的同时，为实现全面自动化铺平道路。在目标检测方面，TrainVision 依靠 Ultralytics YOLO 在画面中准确定位 EVN 和危险标志等元素。定位完成后，mtrail 自有的定制训练 OCR 和识别模型会提取领域专属信息，包括读取 EVN 本身、识别危险分类或识别制动标志。
图 1. TrainVision 利用 Ultralytics YOLO 的实时演示，该模型针对 EVN 和车厢标记进行了定制训练。（私人拍摄的图像）。
为了达到这一用例所要求的准确率，mtrail 使用真实世界图像和内部生成的数百万张合成图像相结合的方式训练模型。由于合成过程完全经过定义且可追溯，生成的图像无需手动标注，这大幅节省了时间，也让 mtrail 能够在发现新的真实世界边缘案例（风化、遮挡或异常光照）时快速重新训练模型。
TrainVision 并不是一个单一的、适用于所有场景的模型。针对每个目标平台，mtrail 都会构建经过定制的平台专用模型，并针对相应运行时进行优化。这使 TrainVision 能够集成到各种部署环境中，从手持移动设备到固定式轨旁摄像系统，同时仍能在仅 8–30 毫秒内处理每张图像。
为什么选择 Ultralytics YOLO？#
对于 mtrail 来说，检测速度和边缘部署是不可妥协的要求。TrainVision 不仅需要在数据中心运行，还必须在现场的移动设备上可靠运行，并适配为每个目标运行时构建的平台专用模型。
这一性能表现使 Ultralytics YOLO 成为 TrainVision 目标检测层的基础。YOLO 模型使用真实世界图像进行训练，能够在移动设备和固定摄像头部署中准确定位 EVN 和危险标志等元素。随后，mtrail 自有的 OCR 和识别模型接手处理领域专属任务，从 YOLO 定位到的内容中提取详细信息。
客户收益与成果#
通过将一项此前完全依赖手动录入的任务实现自动化，TrainVision 为铁路运营商带来了可量化的改进：
- 数据采集时间最多缩短 100%，因为无需在现场手动录入 EVN。借助 Ultralytics YOLO，mtrail 看到效率从约 40% 提升到接近 100%。
- 错误率至少降低 90%，相较于手动数据录入。
- 人员安全性得到提升，因为消除了在活跃轨道区域手动录入数据造成的注意力分散。
- 固定安装具备全面自动化潜力：固定式摄像系统无需人工干预，即可验证各种铁路专用测量点，包括编组、危险品、制动特性、车厢状况和检修日期。
TrainVision 的下一步发展#
如今通常使用实体贴纸手动记录的缺陷，可以改为自动检测，并通过 TAF-TSI 等标准化接口直接输入欧洲铁路数据平台或维护系统。将 mtrail 的铁路领域专业知识与这一水平的计算机视觉相结合，有望进一步提升缺陷检测的效率和质量；通过使用固定式系统扩展随机抽样，还能帮助在整个网络中建立更全面、持续的安全监测。
mtrail 认为，机车车辆安全检查和预测性维护仍具有巨大的潜力。目前，机车车辆在所有者与铁路运营企业之间转移时，异常检测仍由人工完成，其中包括根据 ISO 2859 和《货运车厢使用通用合同》规定的随机抽样检查。这些场景自然会成为 TrainVision 检测能力的下一项应用。
想了解视觉 AI 如何改变铁路和交通运输运营？探索 Ultralytics 的行业解决方案，了解我们的许可选项，或查看 GitHub 代码仓库，立即开始使用。
