按 Enter 到主內容區
:::

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

:::
  • 小字級
  • 中字級
  • 大字級
  • 列印
  • facebook
  • plurk
  • twitter

研究報告下載

書名 軌道扣件缺失人工智慧辨識現地測試及精進研究
出版單位 運輸技術研究中心
出版年份 111
出版月份 3
價格 200
上網
摘要

      本研究以 AI 方式進行全自動辨識鐵路軌道構件,得以降低人工巡檢的人力及時間,並將此技術實地測試與應用推廣。首先蒐集國內外鐵路軌道構件檢測案例並分析其設備、方法及國內適用性,接著建立軌道構件樣本的擷取設備,包含影像記錄及照明,再依收集之上視、側視軌道構件樣本,分為上視 10 種缺失類別、側視 4 種缺失類別與 2 種正常類別之影像標記,採用 YOLOv4-Tiny 模型進行深度學習訓練,再從測試資料驗證構件缺失檢出率。並搭配定位系統,提升巡檢效能,有助於臺灣軌道維護管理,提升軌道行車安全。在實驗中,影像擷取的部份,採用運動型攝影機 GoPro 進行上視與側視拍攝,共錄製超過 70 公里軌道構件影像。前一年計畫採用 YOLOv4 進行缺失構件檢測,缺失檢出率(Recall rate) 87%,平均精確率(mAP)為 94.8%,辨識速度大約 50 張/秒,本年度計畫採用輕量級 YOLOv4-Tiny 模型,各以上視缺失構件與側視構件資料集,進行訓練,所得上視缺失與側視缺失檢出率分別為 91%、94%,平均精確率各別為 91.7%、99.2%,顯示辨識指標有明顯進步,執行效能也進步到 150 張/秒。期間 YOLOv4-Tiny 模型與人工徒步巡檢比較,一開始較差,發現是訓練集標記錯誤或者是現場缺失構件與訓練集有很大差異,經修正標記與增加新缺失樣本後,整體效能比人力徒步巡檢稍佳。

成果效益與應用情形:

      本研究成果可提供交通部或臺鐵局軌道維護單位,在日常軌道巡檢上,有效管理軌道安全,作為後續維護與補強軌道之參考。 

張貼日 111-04-28

檔案下載

瀏覽人次:543
回頁首