鉄道保守においては、人工知能 (AI) とディープラーニング技術の統合により、従来の検査方法からの転換が図られています。新しい研究出版されたで高速鉄道は、AI の最新の進歩を活用した高性能レール検査システムを導入し、特に YOLOv8 を採用して高速かつ正確な欠陥検出を実現します。

「私たちは、生産者/消費者モデルに基づいたモデル推論パイプラインを開発しました。並列処理同時コンピューティングにより、検査の速度と効率が大幅に向上します」と、共著者でサウスカロライナ大学土木環境工学科准教授の Yu Qian 氏は述べています。

「C++、TensorRT、float16 量子化、oneTBB などのツールを使用して導入された当社のシステムは処理速度を向上させ、デスクトップ システムでは最大 281.06 FPS、エッジ コンピューティング プラットフォームでは 200.26 FPS を達成しました。」

この研究は、特に高速ネットワークにおいて、タイムリーかつ効率的な鉄道検査の重要なニーズに応えます。メンテナンス窓は限られています。AI を組み込み、推論パイプライン全体を最適化することで、研究者らは検査速度を向上させるだけでなく、高い精度レベルを維持することに成功しました。

YOLOv8 と高度なモデル推論パイプラインの利用は、逐次処理からの脱却を意味し、データの前処理段階と後処理段階でよく見られるボトルネックの問題に対処します。

「このアプローチは、システムを合理化するだけでなく、検査工程だけでなく、リアルタイム検査機能の新しい基準も設定します。鉄道産業「私たちの調査結果は、AI が鉄道保守をどのように変革し、事故のリスクを軽減し、鉄道ネットワークの安全性と信頼性を高めることができるかについて、新たな視点を提供します。」精度を損なうことなく処理速度が大幅に向上することで、線路保守におけるリアルタイムの意思決定に新たな可能性が開かれます。」

新しいアプローチの成功は、公共の安全と資産管理の改善における AI の役割を強調し、インフラ保守の他の分野における将来の研究と応用の有望な方向性を示唆しています。

詳細情報:Youzhi Tang 他、高性能モデル展開を備えた YOLOv8 に基づく高速鉄道線路コンポーネント検査フレームワーク、高速鉄道（2024年）。DOI: 10.1016/j.hspr.2024.02.001

提供元ケイアイコミュニケーションズ株式会社