En el mantenimiento ferroviario, la integración de la inteligencia artificial (IA) y las tecnologías de aprendizaje profundo marca un cambio con respecto a los métodos de inspección tradicionales.Un nuevo estudiopublicadoenFerrocarril de alta velocidadpresenta un sistema de inspección ferroviaria de alto rendimiento, que aprovecha los últimos avances en inteligencia artificial, empleando específicamente YOLOv8 para una detección de defectos rápida y precisa.

"Desarrollamos un canal de inferencia de modelos basado en un modelo de productor-consumidor, utilizandoprocesamiento paraleloy computación concurrente para mejorar significativamente la velocidad y la eficiencia de la inspección", dice el coautor Yu Qian, profesor asociado en el Departamento de Ingeniería Civil y Ambiental de la Universidad de Carolina del Sur.

"Implementado utilizando herramientas como C++, TensorRT, cuantificación float16 y oneTBB, nuestro sistema aumentó las velocidades de procesamiento, alcanzando hasta 281,06 FPS en sistemas de escritorio y 200,26 FPS en plataformas informáticas de vanguardia".

Este estudio responde a la necesidad crítica de realizar inspecciones ferroviarias oportunas y eficientes, especialmente en redes de alta velocidad dondemantenimientoLas ventanas son limitadas.Al incorporar IA y optimizar todo el proceso de inferencia, los investigadores lograron no solo aumentar la velocidad de las inspecciones sino también mantener altos niveles de precisión.

La utilización de YOLOv8 y un sofisticado canal de inferencia de modelos significa un alejamiento del procesamiento secuencial, abordando los problemas de cuellos de botella que se encuentran comúnmente en las etapas de preprocesamiento y posprocesamiento de datos.

"Este enfoque no sólo agiliza laproceso de inspecciónsino que también establece un nuevo estándar para las capacidades de inspección en tiempo real en elindustria ferroviaria", añade Qian. "Nuestros hallazgos ofrecen una nueva perspectiva sobre cómo la IA puede transformar el mantenimiento ferroviario, reduciendo potencialmente el riesgo de accidentes y mejorando la seguridad y confiabilidad de las redes ferroviarias.El aumento significativo en la velocidad de procesamiento sin comprometer la precisión abre nuevas posibilidades para la toma de decisiones en tiempo real en el mantenimiento de vías".

El éxito del nuevo enfoque sugiere una dirección prometedora para futuras investigaciones y aplicaciones en otras áreas del mantenimiento de infraestructura, enfatizando el papel de la IA en la mejora de la seguridad pública y la gestión de activos.

Más información:Youzhi Tang et al, Marco de inspección de componentes de vías ferroviarias de alta velocidad basado en YOLOv8 con implementación de modelo de alto rendimiento.Ferrocarril de alta velocidad(2024).DOI: 10.1016/j.hspr.2024.02.001

Proporcionado porKeAi Communications Co.