Le cadre d’inspection des composants de voies ferrées à grande vitesse exploite les dernières avancées en matière d’IA

Dans le domaine de la maintenance ferroviaire, l’intégration de l’intelligence artificielle (IA) et des technologies d’apprentissage profond marque un changement par rapport aux méthodes d’inspection traditionnelles. Une nouvelle étude publiée dans Chemin de fer à grande vitesse présente un système d'inspection ferroviaire haute performance, tirant parti des dernières avancées en matière d'IA, utilisant spécifiquement YOLOv8 pour une détection rapide et précise des défauts.

« Nous avons développé un pipeline d'inférence de modèle basé sur un modèle producteur-consommateur, utilisant le traitement parallèle et le calcul simultané pour améliorer considérablement la vitesse et l'efficacité des inspections », explique le co-auteur Yu Qian, professeur agrégé au Département de génie civil et environnemental de l'Université de Washington. Université de Caroline du Sud.

« Déployé à l'aide d'outils tels que C++, TensorRT, float16 quantization et oneTBB, notre système a augmenté les vitesses de traitement, atteignant jusqu'à 281,06 FPS sur les systèmes de bureau et 200,26 FPS sur les plates-formes informatiques de pointe. »

Cette étude répond au besoin critique d'inspections ferroviaires rapides et efficaces, en particulier sur les réseaux à grande vitesse où les fenêtres de maintenance sont limitées. En intégrant l’IA et en optimisant l’ensemble du pipeline d’inférence, les chercheurs ont réussi non seulement à augmenter la vitesse des inspections, mais également à maintenir des niveaux de précision élevés.

L'utilisation de YOLOv8 et d'un pipeline d'inférence de modèle sophistiqué signifie un écart par rapport au traitement séquentiel, résolvant les problèmes de goulot d'étranglement couramment rencontrés dans les étapes de pré-traitement et de post-traitement des données.

« Cette approche rationalise non seulement le processus d'inspection, mais établit également une nouvelle norme en matière de capacités d'inspection en temps réel dans l'industrie ferroviaire », ajoute Qian. « Nos résultats offrent une nouvelle perspective sur la façon dont l'IA peut transformer la maintenance ferroviaire, réduisant potentiellement le risque d'accidents et améliorant la sécurité et la fiabilité des réseaux ferroviaires. L'augmentation significative de la vitesse de traitement sans compromettre la précision ouvre de nouvelles possibilités de prise de décision en temps réel. faire dans l'entretien des voies.

Le succès de la nouvelle approche suggère une direction prometteuse pour les recherches et applications futures dans d’autres domaines de la maintenance des infrastructures, mettant l’accent sur le rôle de l’IA dans l’amélioration de la sécurité publique et de la gestion des actifs.

Fourni par KeAi Communications Co.