預測性維護

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。
 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。