Inwentaryzacja sieci trakcyjnej metodami AI oraz ML
Synergia nowoczesnych metod
Nasza kompleksowa usługa inwentaryzacji i monitoringu sieci trakcyjnej metodami sztucznej inteligencji (AI – Artificial Intelligence) oraz uczenia maszynowego (ML – Machine Learning) obejmuje wykonanie nalotów przy użyciu dronów i opracowanie danych pozyskanych tą drogą.
Metoda została wypracowana na Politechnice Wrocławskiej i w ramach umowy przekazana naszej firmie, gdzie jest dalej rozwijana. Pozwala korzystać ze wszystkich zalet profesjonalnych systemów bezzałogowych bez zbędnego ryzyka i kosztów.
Korzyści dla Klienta
- Skrócenie czasu wykonania przeglądu/analizy
- Możliwość wykonania przeglądu/analizy w warunkach biurowych
- Zwiększenie bezpieczeństwa – poprzez zmniejszenie ilości „manualnych” inspekcji na terenie przytorowym
- Zmniejszenie ilości awarii dzięki wczesnemu wykryciu uszkodzeń
Metoda może być również stosowana np. do szacowania szkód powstałych w wyniku katastrof komunikacyjnych w czasie rzeczywistym lub oceny rzetelności wykonania zleconych napraw i remontów.
Innowacyjne i skuteczne podejście
W trakcie pilotażu metody wypracowano innowacyjne podejście do preprocessingu: do identyfikacji ciągów przestrzennych, w których napotkanie poszukiwanych elementów trakcji jest bardziej prawdopodobne zastosowano mapy ciepła. W celu detekcji niewielkich, ale istotnych elementów sieci trakcyjnej wykonano analizę grupową, opartą na hierarchii obiektów.
Polega ona na wyszukiwaniu niedużych elementów sieci (np. wieszaków czy izolatorów) w określonej relacji przestrzennej do łatwiejszych w identyfikacji obiektów o większych gabarytach (np. konstrukcji wsporczych). W GISonLine opracowaliśmy również algorytm służący do automatycznego przypisania współrzędnych geograficznych zidentyfikowanym obiektom.
Podczas prac testowych osiągnięto wysoką skuteczność rozpoznawania obiektów – od 89,6% w przypadku izolatorów, aż do 100% w przypadku zwrotnic. Całkowity czas wnioskowania wynosił ~900 ms na zdjęcie.
Kompleksowa usługa
GISonLine posiada zarówno własny sprzęt, oprogramowanie, jak i prawa autorskie do wypracowanej metody.
Dzięki projektowi pilotażowemu nasz zespół zdobył niezbędne kompetencje w zakresie zastosowania narzędzi uczenia maszynowego. Wraz z naszymi wcześniejszymi doświadczeniami z wdrożeń dla branż sieciowych sprawia to, że jesteśmy przygotowani do przeprowadzenia całości procesu realizacji usługi.
Inne zastosowania
Metoda zastosowana w usłudze może być udoskonalana i rozwijana dzięki wykorzystaniu danych ze skaningu laserowego (Lidar) czy zwiększeniu puli obiektów poddanych treningowi. Docelowo możliwe jest uzyskanie pełnej automatyzacji procesu.
- Lokalizacja drewnianych podkładów, oczekujących na wymianę na betonowe
- Ocena jakości kruszywa podkładowego pod kątem konieczności jego wymiany
- Ocena stopnia zużycia elektrycznych przewodów trakcyjnych