交通部運輸研究所Institute of Transportation, MOTC

• 資料發布日期：110-08-06
• 最後更新日期：110-08-20
• 資料來源：港灣技術研究中心

計畫概述：　

       臺鐵局軌道扣件巡檢作業目前係採用夜間人工目視方式進行，而人工目視巡檢受限於巡檢車車速及視察角度等問題，無法有效快速進行，因此，本研究自108年起與臺灣鐵路管理局合作執行，開發軌道扣件缺失辨識系統，108年初步建立一套系統，首先進行軌道扣件影像拍攝，再利用人工智慧辨識扣件缺失，檢測鐵路軌道扣件是否脫落。109年以系統精進及驗證為主，精進攝影設備、增加辦識項目及範圍、提高辨識準確性及定位精度。

        本研究以攝影機搭配人工智慧(AI)深度學習方法，進行鐵路軌道扣件人工智慧自動辨識分析，運用先進科技改善扣件缺失巡檢作業，輔助巡檢工作的執行，提升檢測效率，期能提昇效率並有效解決巡檢人員視察侷限及視覺疲勞等問題。

研究成果：

• 108年建構軌道扣件影像擷取設備，獲取足供AI辨識之軌道扣件清晰影像，採用Yolo v3人工智慧辨識影像，建立軌道扣件缺失辨識系統，可用以檢測鐵路軌道扣件是否脫落。
• 109年將軌道扣件缺失辨識方法由YOLO v3精進至YOLO v4，扣件缺失檢出率(Recall rate)由74.5%提升至87%，辨識系統速度可達55張/秒。
• 開發雲端儲存、辨識、與手機APP查詢，GPS/陀螺儀定位等功能，可在Google Map上定位缺失構件，以利臺鐵軌道巡檢人員進行維修。

成果推廣與效益：

• 108年10月6日於IEEE ECICE研討會發表「Railway Track Fasteners Fault Detection using Deep Learning」並獲得最佳論文獎。
• 109年3月3日透過交通部例行記者會行銷宣傳研究成果。
• 109年6月於港灣季刊發表「軌道扣件缺失辨識系統之建置研究」。
• 109年10月16日於臺灣鐵路管理局臺中工務段大甲分駐所進行系統教育訓練。
• 成果提供臺灣鐵路管理局等鐵道巡檢作業實務運用，協助改善軌道構件(扣件、軌面及軌腹)巡檢效率，提高缺失辨識精度及管理效能。

研究成果精華摘整：

圖7.8.1 軌道扣件自動缺失辨識圖

圖7.8.2 軌道扣件缺失定位

圖7.8.3 軌道扣件缺失系統之三項子系統

研究成果精華摘整：

軌道扣件巡檢系統建置(1/2)-扣件缺失辨識系統建置研究
軌道扣件巡檢系統建置(2/2)-扣件缺失辨識系統精進驗證