書籍介紹
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。
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 ................................................................................... 1-4
1.3 工作項目 ................................................................................... 1-5
1.4 研究流程 ................................................................................... 1-7
1.5 研究範圍 ................................................................................... 1-8
第二章 國內外軌道檢測系統與文獻回顧 .......................................... 2-1
2.1 瑞士CSEM ............................................................................... 2-1
2.2 美國ENSCO ............................................................................ 2-3
2.3 加拿大LRAIL .......................................................................... 2-5
2.4 加拿大Pleora Video Frame Grabber ....................................... 2-7
2.5 德國bvSys ................................................................................ 2-8
2.6 義大利MERMEC .................................................................. 2-10
2.7 臺北大眾捷運股份有限公司軌道檢查系統 ........................ 2-11
2.8 中國地鐵軌檢車 ..................................................................... 2-13
IV
2.9 相關研究案例 ......................................................................... 2-15
2.10 綜整分析 ............................................................................... 2-18
第三章 軌道構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 ............................................................ 3-2
3.1.2 高速影像攝影機之比較 ................................................ 3-6
3.1.3 設備架設 ....................................................................... 3-10
3.1.4 魚尾鈑缺失 ................................................................... 3-12
3.1.5 缺失定位 ....................................................................... 3-13
3.1.6 影像辨識環境............................................................... 3-20
3.1.7 AI 辨識模型 .................................................................. 3-23
3.1.8 Web API ........................................................................ 3-33
3.1.9 巡查影像辨識與管理網站 .......................................... 3-34
3.1.10 即時辨識系統............................................................. 3-37
3.1.11 AI 作業自動化與管理 ................................................ 3-38
3.1.12 實測路段 ..................................................................... 3-38
3.2 研究步驟 ................................................................................. 3-39
第四章 軌道構件巡檢系統建置與驗證 .............................................. 4-1
4.1 攝影相關設備安裝................................................................... 4-1
4.1.1 第三代平車v1 版─燈光正向投射 .............................. 4-2
4.1.2 第三代平車v2 版─燈光側向投射 .............................. 4-3
4.1.2 第三代平車v3 版 .......................................................... 4-7
4.2 缺失辨識準則與資料庫建立 ................................................ 4-11
4.2.1 上視缺失構件分類與資料集 ...................................... 4-11
4.2.2 側視缺失構件分類與資料集 ...................................... 4-14
V
4.3 AI 檢測模型訓練與辨識能力精進 ..................................... 4-16
4.3.1 Scaled YOLOv4 and YOLOv4-tiny ............................. 4-17
4.3.2 SSD 與YOLOv4 比較 ................................................. 4-19
4.3.3 側視構件模型訓練 ...................................................... 4-21
4.4 AI PK 人力構件巡檢 ....................................................... 4-24
4.4.1 YOLOv4 上視辨識 ....................................................... 4-26
4.4.2 YOLOv4-tiny 側視辨識 .............................................. 4-29
4.5 構件巡檢實測 ......................................................................... 4-32
4.5.1 YOLOv4 上視辨識 ....................................................... 4-32
4.5.2 YOLOv4-tiny 側視辨識 ............................................... 4-35
4.6 缺失構件定位精進................................................................. 4-37
4.7 即時辨識系統 ......................................................................... 4-44
4.8 手機查詢與定位 ..................................................................... 4-48
4.9 AI 作業程序運作情形 ......................................................... 4-49
4.10 教育訓練 ............................................................................... 4-50
4.11 建議未來軟硬體設備 ........................................................... 4-51
第五章 結論與建議 .............................................................................. 5-1
5.1 結論 ........................................................................................... 5-1
5.2 建議與未來工作內容............................................................... 5-3
5.3 預期效益與應用情形............................................................... 5-4
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：賴瑞應
研究人員：謝幼屏、鄭登鍵
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：徐倜雲、杜宇豪、賈漢文
序言／導讀
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。
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、軌道構件、人工智慧、自動檢測、即時辨識
- 附件：無附件
- 頁/張/片數：295
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：周于楨
電話：04-26587150
地址：台中市梧棲區中橫十路2號