Spoor inspecteren met beeldherkenning is kansrijk

Foto: Ivo Ketelaar

Het is goed mogelijk via beeldherkenning sneller en veiliger defecten aan het spoor te signaleren dan met de handmatige inspecties die we nu nog toepassen. Een proef met de analyse van miljoenen foto’s via speciale algoritmes laat zien dat we met deze methode een juistheid van bijna honderd procent halen.

Als de verwachtingen uitkomen, gaat het spoorvervoer de komende jaren sterk groeien. Het spoor zelf gaat dan ook harder slijten. En omdat het drukker wordt op het spoor, zal een defect onderdeel sneller voor stagnatie in het systeem. Ook hebben we door intensiever gebruik steeds minder gelegenheid om het spoor handmatig te inspecteren. Redenen genoeg om naar een goed alternatief te zoeken.

Meer dan 99 procent juistheid

Automatische beeldherkennning lijkt een kansrijke optie. De afgelopen maanden hebben we daar een proef mee gedaan. Op basis van deze test verwachten we dat we zonder handmatig werk alle visueel te detecteren componenten via foto’s automatisch op orde te kunnen brengen in onze informatiesystemen. De eerste resultaten zijn hoopgevend, met percentages boven de 99 procent juistheid.

250 miljoen foto’s

Door ongeveer 250 miljoen foto’s per jaar te analyseren via nieuwe data science methoden, zijn we in staat om veranderingen zoals defecten automatisch op te sporen. Zo kunnen we in korte tijd vele kilometers spoor beoordelen. Zelfs de kleinste haarscheurtjes kunnen we op deze manier registreren en analyseren.

We ontwikkelen steeds meer algoritmes om uit grote reeksen beelden automatisch relevante informatie te herkennen. Inmiddels zijn we in staat om de lasverbindingen tussen de spoorstaven te herkennen en we hebben aangetoond dat dit ook voor dwarsliggers mogelijk is. Ondertussen werken we aan een algoritme om defecten in de spoorstaven zelf te herkennen.

Beter plannen

Door de nieuwe manier van inspecteren kunnen we beter bepalen wanneer onderhoud nodig is en wat er dan precies moet gebeuren. Door de grote hoeveelheid beelden kunnen we bovendien beter zien hoe defecten veranderen door de tijd heen en of dat volgens verwachting verloopt. Zo krijgen we meer grip op de (slijtage van) onderdelen van ons spoorsysteem, preventief handelen en daardoor hinder voorkomen.

Voorbereid en veiliger

Een bijkomend voordeel van automatische beeldherkenning is dat het werken voor spoormedewerkers veiliger wordt. Zij hoeven immers de zevenduizend kilometer spoor in Nederland niet meer te inspecteren langs de baan, maar kunnen dat straks doen met behulp van de data-analyses.

U las zojuist één van de gratis premium artikelen

Onbeperkt lezen? Profiteer nu van de introductieaanbieding voor € 10,- per maand.

Bekijk de aanbieding

Auteur: Redactie Infrasite

Bron: ProRail

Spoor inspecteren met beeldherkenning is kansrijk | Infrasite

Spoor inspecteren met beeldherkenning is kansrijk

Foto: Ivo Ketelaar

Het is goed mogelijk via beeldherkenning sneller en veiliger defecten aan het spoor te signaleren dan met de handmatige inspecties die we nu nog toepassen. Een proef met de analyse van miljoenen foto’s via speciale algoritmes laat zien dat we met deze methode een juistheid van bijna honderd procent halen.

Als de verwachtingen uitkomen, gaat het spoorvervoer de komende jaren sterk groeien. Het spoor zelf gaat dan ook harder slijten. En omdat het drukker wordt op het spoor, zal een defect onderdeel sneller voor stagnatie in het systeem. Ook hebben we door intensiever gebruik steeds minder gelegenheid om het spoor handmatig te inspecteren. Redenen genoeg om naar een goed alternatief te zoeken.

Meer dan 99 procent juistheid

Automatische beeldherkennning lijkt een kansrijke optie. De afgelopen maanden hebben we daar een proef mee gedaan. Op basis van deze test verwachten we dat we zonder handmatig werk alle visueel te detecteren componenten via foto’s automatisch op orde te kunnen brengen in onze informatiesystemen. De eerste resultaten zijn hoopgevend, met percentages boven de 99 procent juistheid.

250 miljoen foto’s

Door ongeveer 250 miljoen foto’s per jaar te analyseren via nieuwe data science methoden, zijn we in staat om veranderingen zoals defecten automatisch op te sporen. Zo kunnen we in korte tijd vele kilometers spoor beoordelen. Zelfs de kleinste haarscheurtjes kunnen we op deze manier registreren en analyseren.

We ontwikkelen steeds meer algoritmes om uit grote reeksen beelden automatisch relevante informatie te herkennen. Inmiddels zijn we in staat om de lasverbindingen tussen de spoorstaven te herkennen en we hebben aangetoond dat dit ook voor dwarsliggers mogelijk is. Ondertussen werken we aan een algoritme om defecten in de spoorstaven zelf te herkennen.

Beter plannen

Door de nieuwe manier van inspecteren kunnen we beter bepalen wanneer onderhoud nodig is en wat er dan precies moet gebeuren. Door de grote hoeveelheid beelden kunnen we bovendien beter zien hoe defecten veranderen door de tijd heen en of dat volgens verwachting verloopt. Zo krijgen we meer grip op de (slijtage van) onderdelen van ons spoorsysteem, preventief handelen en daardoor hinder voorkomen.

Voorbereid en veiliger

Een bijkomend voordeel van automatische beeldherkenning is dat het werken voor spoormedewerkers veiliger wordt. Zij hoeven immers de zevenduizend kilometer spoor in Nederland niet meer te inspecteren langs de baan, maar kunnen dat straks doen met behulp van de data-analyses.

U las zojuist één van de gratis premium artikelen

Onbeperkt lezen? Neem nu een Infrasite Premium abonnement voor € 12,- per maand.

ABONNEREn

Auteur: Redactie Infrasite

Bron: ProRail