Fill form to unlock content
Error - something went wrong!
獲得運輸業物聯網與網路邊緣的最新消息。
謝謝
利用 AI 型電腦視覺重新定義鐵路檢查
鐵路是全球基礎建設的結締組織。然而,儘管鐵路在全球交通與供應鏈的角色舉足輕重,但鐵路軌道維護多半是從人工檢查員開始做起。
為了找出受損的鐵路軌枕與軌道,人工檢查員每天步行或開車,在數英里長的鐵路尋找不一致的地方。光是手動檢查美國 160,000 英里的軌道,需要的總時間和成本就無法量化,而且由於是人工檢查,因此也容易出錯。
電腦視覺(CV)近期的進展,為鐵路檢查自動化開創了新機會,過程中的成本大幅降低,準確度也得以提高。不過對 CV 系統而言,鐵路構成了獨特的挑戰,包括部署環境差異大,以及安全關鍵產業對可信解決方案的偏好。
因此,產品工程設計公司 Ignitarium 這類組織,紛紛利用 AI 技術重塑 CV,以期解決困難點,降低對人工軌道檢查作業的需求。
利用 AI 型 CV 克服基礎架構檢查的挑戰
在監控的室內環境中,CV 系統擁有經過實證的輝煌記錄,但鐵路則不然,有各式各樣的照明條件、天氣變化和其他不可預測的因素。這些變數可能大幅影響 CV 系統的效能與準確性。
戶外鐵路應用 CV 技術時,另一場苦戰則是改變 Ignitarium CTO Sujeeth Joseph 所謂「產業中高度傳統的思維」,也就是相較於新方法,鐵路專業人員更喜歡用經過試驗和檢測的方法。
有鑑於這些挑戰,Ignitarium 開發的 TYQ-i 平台旨在結合傳統 CV 技術的精髓,以及先進的自訂類神經網路。最終締造出的高效解決方案,可在好幾英里長的軌道,偵測出各種異常。
TYQ-i 的作業方式可分為四個階段:
- 擷取:平台支援多種視覺感應器,包括 RGB、3D、雷射和多光譜介面。Joseph 表示,在鐵路產業,2D 攝影機與雷射掃描器是首選的感應器。
- 預先處理:Ignitarium 開發出的影像處理元件庫,為分析將資料準備就緒。這些準備工作包括基本作業,例如縮放與旋轉,以及較複雜的工作,例如拼接、追蹤與減少雜訊。
- 深度學習:TYQ-i 的核心是具體使用案例的自訂 AI 模型。這些模型經過預先訓練,可偵測各種異常類別,即使客戶提供的意見資料有限,也能提供高水準的準確度與效率。
- 呈現:接著,處理後的資料會透過儀表板及人類和機器可讀取的檔案,呈現給使用者。這樣一來,平台便能與現有流程順利整合,幫助克服採用新技術的阻力。
Joseph 表示,鐵路道碴(鋪設鐵路軌枕的軌道床)正是如何利用這些功能的例子之一。安裝在火車頭底下的空中無人機或攝影機,可以用 TYQ-i 偵測需要補充軌枕的區域,以及因為安全或其他作業考量而應該避免的區域。接著,該資訊會傳送至軌枕鋪設夯實機,讓它自動只在適當的區域執行維護。
利用 TYQ-i 實現規模與靈活性
為了獲得 Ignitarium TYQ-i 平台的準確度與可靠性,它一開始是使用 TensorFlow 與 PyTorch 這兩個最常見的機器學習與類神經網路開放原始碼架構進行訓練。這項訓練最初是在強大的 Intel® CPU 與 GPU 目標執行,為平台的 AI 功能奠定了穩固的基礎。
但為了在各種使用案例真正擴充效能,Ignitarium 意識到需要更靈活的處理解決方案。因此,於是決定將 TYQ-i 移轉至 Intel® Core™ 與 Xeon® 處理器。這並非常見的目標,而且高效能 FPGA 的 Intel® Arria™ 家族甚至還有一個連接埠。
這些處理器的互通性有助於公司控制成本。Joseph 說明:「如果工作負載更繁重,我們會選擇伺服器級機器。」不過針對較輕量的工作負載,該公司則是使用第 12 代 Intel® Core™ 處理器這類解決方案,其內建的 Intel® HD Graphics 整合式顯示晶片處理器(IGP)可加速 AI。
移轉至 Intel® 處理器還帶來其他的優勢。舉例來說,它讓 Ignitarium 得以充分利用 Intel 生態系統安全可靠的軟體基礎架構,用它提供的各種工具與資源,將效能與效率最佳化。
這類工具包括 OpenVINO™ AI Toolkit,而 Ignitarium 便是用它進一步將 TYQ-i 最佳化。OpenVINO 的設計可簡化在邊緣部署 AI 應用程式、為各式各樣類神經網路架構提供支援,以及為最佳化效能提供全方位的工具組。
Joseph 說明:「由於這個工具組支援各式各樣的 Intel 處理器,所以 Ignitarium 可以挑選處理器,然後『程式碼便會直接編譯及執行』。」同時,OpenVINO 提供各種工具,協助開發者充分利用選定的處理器。Joseph 表示:「我們利用工具組提供的每樣東西最佳化。」
這些功能讓 TYQ-i 可在各種環境中執行,包括邊緣裝置與雲端型系統。TYQ-i 可以在邊緣即時處理資料,立即提供深入解析,快速決策。對於低延遲至關重要的情況,這點格外實用,例如偵測高速鐵路線上的缺陷。
針對規模較大的應用,也可以將 TYQ-i 部署於雲端,支援大量資料及執行更複雜的分析。這項實用的功能適用於監控廣大的鐵路網路。
由於它靈活彈性,可以部署於各種情境,因而成為調適能力強大的基礎建設監控解決方案。
基礎建設檢查的未來已經降臨
鐵路檢查產業面臨的挑戰十分嚴峻。無論是廣闊的軌道,還是變化多端的環境,這個產業都迫切需要創新的解決方案。Ignitarium 的 TYQ-i 平台結合 AI 與 CV 技術,為因應這些挑戰提供了強大的對策。
TYQ-I 的自訂 AI 模型利用有限的客戶資料集,為高效能精心打造,提供的解決方案可輕鬆融入現有工作流程,消除以新對策解決老問題時衍生的偏見。最終締造出深獲全美軌道維護人員青睞的解決方案。
展望未來,TYQ-i 這類 AI 型電腦視覺解決方案,顯然將在基礎建設檢查產業轉型扮演關鍵角色,為所有人提供更高的準確度、效率與安全性。