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

      軌道運輸為臺灣地區最重要的大眾運輸工具之一，包含臺鐵、高鐵、各縣市捷運及輕軌建設，已遍布全臺；至 2020年底為止，臺鐵局的營運總距離超過 1000公里，總軌道長度更是超過 2000公里 (交通部臺灣鐵路管理局， ，2020)，軌道安全已成為現今交通運輸最重要的議題之一。影響軌道安全的因素眾多，軌道巡查作業擔負了維持軌道運輸安全的重要任務，傳統上多採用人工目視方式進行巡檢，因此受限於車速、目視角度及人眼辨識能力等諸多挑戰，因此自動化安全防護系統已成為發展主流趨勢。本計畫旨在協助交通部臺灣鐵路管理局鐵道巡查工作自動化之需 求，規劃利用影像採集設備，搭配人工智慧深度學習演算法，做為軌道鐵路構件自動判別分析，用來輔助目前人工巡查工作，達到自動化軌道巡查之目的。
      本期計畫延續前期(108-110年 )成果，採用 YOLOv4-Tiny演算法開發軌道構件缺失辨識模型，並進一步蒐集臺鐵局臺中工務段及宜蘭工務段之實地軌道資料，擴建缺失物件圖資資料庫及精進軌道缺失辨識系統，使本計畫系統之可用範圍自平原區擴展至丘陵區；本計畫亦首度加入影像處理技術，增加物件圖資之隨機性，以解決缺失物件圖資不足的情形。藉由宜蘭段與臺中段之現地測試，足以證實本系統的 可行性與穩定性，同時確認了利用精準定位工具得以克服地形因素，加強缺失物件之定位效果。未來或可延續本期計畫之成果持續推廣，以利快速並有效地輔助提升軌道巡檢之技術發展。
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， 做為後續維護與補強軌道之參考。