書籍介紹
鐵軌扣件為軌道扣件系統最重要之組件，可將鐵軌緊扣在軌道上，對於列車能否平穩及安全的行駛影響至鉅。目前臺鐵局完全依賴人力目視檢視，難免發生疏漏的問題。本研究除了收集瞭解國外軌道檢測相關之研究成果外，也建立軌道扣件影像的收集設備，包含影像記錄設備及照明設備，再依收集之軌道扣件資料，透過影像標記處理，採用YOLOv4 進行深度學習模型訓練，再從測試資料驗證扣件缺失召回率。在實驗中，影像擷取的部份，採用運動型攝影機GoPro 進行拍攝，共錄製70 公里軌道扣件影像，在前一期以YOLO v3 驗證，扣件準確率Precision rate 82.5%，扣件缺失召回率Recall rate 74.5%，本期計畫採用YOLO v4，訓練方式改用扣件缺失資料，扣件缺失召回率Recall rate 提升至87%，類別平均準確率(mAP)提升為94.8%，辨識系統速度超過55 張/秒。SSD 演算法
的辨識模型驗證效果也不錯，經過調校後，也跟YOLO v4 不相上下。為方便軌道巡檢人
員尋找扣件，另開發雲端儲存、辨識、與手機APP 查詢，GPS/陀螺儀定位等功能，可在
Google Map 上顯示百公尺樁，容易定位缺失扣件，進行維修。
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。
目次
中文摘要 ..................................................................................................... I
英文摘要 .................................................................................................... II
目 錄 ....................................................................................................... III
圖目錄 ..................................................................................................... VII
表目錄 ...................................................................................................... XI
第一章 緒論........................................................................................... 1-1
1.1 計畫背景分析 ............................................................................ 1-1
1.2 研究目的 .................................................................................... 1-3
1.3 工作項目 .................................................................................... 1-3
1.4 研究流程 .................................................................................... 1-5
1.5 研究範圍 .................................................................................... 1-6
第二章 國內外軌道檢測系統與文獻回顧 .......................................... 2-1
2.1 瑞士SCEM ................................................................................ 2-1
2.2 美國ENSCO ............................................................................. 2-2
2.3 加拿大LRAIL ........................................................................... 2-4
2.4 加拿大Pleora Video Frame Grabber ........................................ 2-6
2.5 德國bvSys ................................................................................. 2-8
2.6 臺北捷運公司軌道檢查與監視攝影系統 ............................... 2-9
2.7 其他相關應用案例.................................................................. 2-11
第三章 軌道扣件缺失辨識系統精進 .................................................. 3-1
3.1 研究方法 .................................................................................... 3-1
3.1.1 系統設計與架構 .............................................................. 3-1
3.1.2 高速影像攝影機之比較 .................................................. 3-5
3.1.3 設備架設 .......................................................................... 3-9
3.1.4 缺失定位 ........................................................................ 3-10
3.1.5 影像辨識環境 ................................................................ 3-16
3.1.6 影像辨識演算法 ............................................................ 3-21
3.2 研究步驟 .................................................................................. 3-27
3.3 可能遭遇之困難及解決方案 ................................................. 3-31
第四章 軌道扣件檢測系統驗證 .......................................................... 4-1
4.1 攝影相關設備精進.................................................................... 4-1
4.1.1 GoPro 扣件攝影 .............................................................. 4-2
4.1.2 側向攝影規劃 .................................................................. 4-3
4.2 缺失辨識準則與資料庫建立 ................................................... 4-7
4.2.1 缺失扣件辨識準則與資料庫建置 ................................. 4-7
4.2.2 軌面缺失說明 ................................................................ 4-10
4.3 檢測系統辨識準確度精進 ..................................................... 4-11
4.3.1 CSPResNet 與 YOLOv4 .............................................. 4-11
4.3.2 SSD ................................................................................ 4-16
4.4 扣件檢測系統實地驗證 ........................................................ 4-18
4.4.1 AI 辨識與Ground Truth 之比對結果 ........................... 4-18
4.4.2 AI 辨識與人工檢測比較 ............................................... 4-24
4.4.3 AI 辨識實地驗證結果 ................................................... 4-26
4.5 缺失扣件定位 .......................................................................... 4-27
4.6 即時辨識系統 .......................................................................... 4-31
4.7 成本效益分析 .......................................................................... 4-36
4.8 教育訓練 .................................................................................. 4-37
第五章 結論與建議 .............................................................................. 5-1
5.1 結論 ............................................................................................ 5-1
5.2 建議 ............................................................................................ 5-3
5.3 預期效益與應用情形................................................................ 5-5
編／著／譯者簡介
本所主辦單位：港研中心
主管：蔡立宏
計畫主持人：林雅雯
研究人員：林雅雯
合作研究單位：大同大學
計畫主持人：謝禎冏
協同主持人: 黃維信、謝尚琳
研究人員：洪瑋宏、杜宇豪、賈漢文、徐倜雲
序言／導讀
鐵軌扣件為軌道扣件系統最重要之組件，可將鐵軌緊扣在軌道上，對於列車能否平穩及安全的行駛影響至鉅。目前臺鐵局完全依賴人力目視檢視，難免發生疏漏的問題。本研究除了收集瞭解國外軌道檢測相關之研究成果外，也建立軌道扣件影像的收集設備，包含影像記錄設備及照明設備，再依收集之軌道扣件資料，透過影像標記處理，採用YOLOv4 進行深度學習模型訓練，再從測試資料驗證扣件缺失召回率。在實驗中，影像擷取的部份，採用運動型攝影機GoPro 進行拍攝，共錄製70 公里軌道扣件影像，在前一期以YOLO v3 驗證，扣件準確率Precision rate 82.5%，扣件缺失召回率Recall rate 74.5%，本期計畫採用YOLO v4，訓練方式改用扣件缺失資料，扣件缺失召回率Recall rate 提升至87%，類別平均準確率(mAP)提升為94.8%，辨識系統速度超過55 張/秒。SSD 演算法
的辨識模型驗證效果也不錯，經過調校後，也跟YOLO v4 不相上下。為方便軌道巡檢人
員尋找扣件，另開發雲端儲存、辨識、與手機APP 查詢，GPS/陀螺儀定位等功能，可在
Google Map 上顯示百公尺樁，容易定位缺失扣件，進行維修。
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。
分類
其他詳細資訊
- 適用對象：成人(學術性)
- 關鍵詞：鐵路軌道巡檢、軌道扣件、人工智慧、自動檢測、雲端服務
- 附件：無附件
- 頁/張/片數：240
授權資訊
- 著作財產權管理機關或擁有者：交通部運輸研究所
- 取得授權資訊：聯絡處室：交通部運輸研究所港灣技術研究中心
姓名： 謝瑩蓁
電話：04-26587169
地址：臺中市梧棲區中橫十路2號