利用无人机、计算机视觉与机器学习改善轨道安全

全球范围内由列车事故导致的数百万人员伤亡源于低效的人工轨道巡检。在欧美及全球各地报道一系列事故（主要归因于轨道缺陷）后，政府机构对铁路行业的安全运营深感担忧。轨道缺陷导致的伤亡造成公共与私人投资数十亿美元损失以及因停运带来的收入损失，最终丧失公众信心。乏味、昂贵的人工轨道安全监测可通过使用无人机、计算机视觉和机器学习得以转变。本研究的主要目标是开发多种实现监督与半监督学习的算法，基于轨道模拟训练数据准确分析轨道是否安全。这包括开发一种卷积神经网络，利用监督学习识别轨道缺陷而无需指定特定检测算法，且新模型既能加速又能提升轨道缺陷检测过程的质量，并辅以计算机视觉图像处理算法。我们的其他目标包括设计与构建轨道原型以模拟轨道缺陷，并利用无人机精确一致地进行视觉巡检。最终，该目标证明铁路轨道的良好维修状态可通过无人机、计算机视觉和机器学习实现。