Automatisert kontroll av jernbanen

AutoKontroll tar sikte på å forbedre og automatisere utvalgte kontrollrutiner for jernbaneinspeksjon i Norge. Ved å kombinere avanserte metoder innen kunstig intelligens med ny kamerateknologi har vi som mål å øke effektiviteten og redusere kostnadene knyttet til inspeksjoner. Dette vil bidra til å øke sikkerhet og oppetid for togtrafikken og har potensial til å transformere jernbanedriften i Norge. Prosjektet er et samarbeid mellom NR og Bane NOR.

Bildet viser et grønt tog på jernbanen. På bildet illustreres det hvor kameraene er festet og hvilken rekkevidde kameraene i front og på taket har ved hjelp av trekanter i gult og oransje. Bildet er ellers tatt på en typisk jernbanestrekning i Norge, med et rødt trehus i bakgrunnen, trær på begge sider av jernbaneskinnene og snø på bakken.
AutoKontroll-prosjektet handler om å kontrollere jernbaneinfrastruktur automatisk ved hjelp av togmonterte kameraer og bildeanalyse. Bildet viser hvordan systemet tar bilder av infrastrukturen hver gang togene er i trafikk. Bilde: Bane Nor/NR.

Fra manuelle til automatiserte inspeksjoner

Dagens rutiner for jernbaneinspeksjon utføres manuelt av kontrollører som går langs skinnegangen for å identifisere feil og mangler. Kontrollene, som ofte utføres om natten, er både tidkrevende og kostbare. Vårt mål er å utvikle full- og delautomatiserte løsninger som bruker bilder tatt av kameraer montert på tog for identifisere feil og avvik. Dette vil muliggjøre mer presise og regelmessige inspeksjoner uten behov for omfattende manuelt arbeid.

Områder med for lite ballast (pukk mellom svillene) oppdages ved hjelp av AI-modeller som analyserer dybden i bildene. Bilde: NR.

Bildeanalyse med dyp læring

AutoKontroll benytter et nytt og kostnadseffektivt kamerasystem som kan monteres på tog, og systemet tar bilder av jernbaneinfrastrukturen hver gang togene er i trafikk. Bildene analyseres deretter ved hjelp av metoder innen dyp læring, inkludert klassifisering, semantisk segmentering, objektdeteksjon, representasjonslæring med selvstyrt læring, og avviksdeteksjon for å identifisere feil og spore endringer over tid.

Gjentatt fotografering av infrastrukturen gir verdifull innsikt i hvordan tilstanden til jernbanen utvikler seg. Dette gjør det mulig å forutsi hvor og når potensielle feil kan oppstå, oppdage avvik tidlig, overvåke utviklingen av mulige feil, og iverksette vedlikeholdsarbeid før skadene blir alvorlige. Dette gjør det mulig å oppdage avvik tidlig, overvåke utviklingen av mulige feil, og iverksette vedlikeholdsarbeid før skadende blir alvorlige.

Metoder for standardisering og avviksdeteksjon

Prosjektet innebærer flere tekniske utfordringer, inkludert utvikling av et kamerasystem som kan ta standardiserte kvalitetsbilder av infrastrukturen. I tillegg må vi utvikle metoder for å sammenligne bilder tatt av samme komponent over tid. En annen sentral utfordring er å utforme metoder for automatisk deteksjon av relevante endringer i tidsserier av bilder, samt å gjenkjenne feil og avvik med høy presisjon.

Sluttresultatene vil bli evaluert gjennom en kvantitativ sammenligning av manuell og automatisk inspeksjon. Denne evalueringen vil gi et klart bilde av hvor stor effekt automatiseringen har hatt og hvilke områder som fortsatt kan forbedres.

Vil du vite mer om dette prosjektet?

Ta kontakt:

Prosjekt: AutoKontroll – Automatisert kontroll av jernbane

Partner: Bane NOR

Finansiering: Forskningsrådet

Periode: 2024-2027

Andre kilder

Prosjektbanken