Automatisert kamerabasert inspeksjon av jernbaneinfrastruktur - Image Analysis Railway Infrastructure

En velfungerende og sikker jernbane er helt nødvendig i et moderne samfunn, spesielt i urbane områder hvor mange mennesker er helt avhengig av et pålitelig togtilbud for å reise til og fra jobb. Bane NORs formål er blant annet å sørge for tilgjengelig jernbaneinfrastruktur. Dette inkluderer blant annet rask deteksjon av hendelser som kan medføre stopp eller redusert togtrafikk. Hyppig og effektiv inspeksjon og vedlikehold er avgjørende for å sikre en trygg og pålitelig jernbane. Bane NOR bruker i dag i hovedsak manuell arbeidskraft til inspeksjon av jernbane infrastruktur, ofte med personell i skinnegangen. Dette krever stans av all togtrafikk i et tilstrekkelig stort område rundt for å ivareta sikkerheten til ansatte og passasjerer. Visjonen til dette prosjektet er å utvikle automatiske metoder for å inspisere jernbaneinfrastruktur ved å bruke data fra kamera, laser-skanner og termisk kamera sammen med algoritmer for kunstig intelligens. Disse kameraene kan festes på tog og droner som kan ta overvåke jernbaneinfrastrukturen uten at man trenger å stenge tog-strekninger. Det gjør også at man kan inspisere mer regelmessig og detektere endringer som kan føre til feil på et tidligere stadium. De som utfører inspeksjon kan bruke tiden sin mer effektivt og forbedre kvaliteten på inspeksjonene. Prosjektet vil være fokusert på å løse inspeksjonsoppgaver knyttet til skinnegang/overbygning, sporveksler og kontaktledningssystemet/elkraft. Felles for alle disse er at det ofte benyttes visuell inspeksjon og manuell analyse, og at flere oppgaver dermed kan erstattes med automatisert bildetolkning. Det er blitt brukt moderne dyp læringsteknikker for objekt deteksjon og segmentering for å gjenkjenne ulik jernbane-infrastruktur i bilder tatt med kamera på tog som er rettet mot skinnegangen. Fokusomeråder i disse bildene er befestigelse, skinner, sviller og ballast. Foreløpige resultater viser potensiale for å bruke bildeanalyse som inspeksjonsmetode av jernbaneinfrastruktur.

En velfungerende og sikker jernbane er helt nødvendig i et moderne samfunn. For at jernbaneinfrastrukturen skal imøtekomme kravene til togtrafikk, samtidig som at sikkerheten opprettholdes, må både skinnegang, sporveksler, strømtilførsel og signalanlegg ha god kvalitet og være godt vedlikeholdt. Prosjekteier Bane NOR bruker i dag i hovedsak manuell arbeidskraft til inspeksjon av jernbaneinfrastruktur, ofte med personell i skinnegangen. Dette krever stans av all togtrafikk for å ivareta sikkerheten til ansatte og passasjerer. Det er spesielt tre tog-faglige inspeksjonsområder hvor behovet er stort for å redusere bruk av personell i skinnegangen (i) inspeksjon av skinnegang, (ii) inspeksjon av sporveksler, og (iii) inspeksjon av kontaktledningssystemet. Visjonen for dette innovasjonsprosjektet er derfor å utvikle en løsning for inspeksjon ved hjelp av kamerabasert datafangst og automatisk bildeanalyse som betydelig effektiviserer inspeksjonen av jernbaneinfrastruktur i form av redusert behov for personell i skinnegang, reduserte personellkostnader og rask og objektiv analyse. Sentrale utfordringer i IARI blir å lage algoritmer som er robuste og som har tilstrekkelig høy ytelse (deteksjons og klassifikasjonsnøyaktig). Vi vil basere metodikken på dyp læring, som har revolusjonert bildeanalyse for flere bruksområder. Forskningsinnsatsen vil være fokusert mot å tilpasse eksisterende generell dyp-lærings-baserte algoritmer til jernbanefaglige formål og å trene disse algoritmene til å gjenkjenne relevante feil, avvik og mangler i henhold til prosjektets mål. Ved et vellykket innovasjonsprosjekt vil Bane NOR implementere automatisk inspeksjon og dataanalyse som en del av den operasjonelle inspeksjonsaktiviteten som allerede foregår, men også investere i innkjøp og innleie av kameraer, droner, datainfrastruktur og datalagring.