空中分析:铺设一种新智能的轨迹

还记得你第一次坐火车吗?根据你在世界上的什么地方和什么时候长大，记忆是不同的。我的故事发生在上世纪80年代的印度:回我在喀拉拉邦的老家。从发动机吹响响亮的汽笛那一刻起，空气中就充满了魔力。你爬到你的座位旁边的陌生人很快成为朋友。当你透过车窗凝视着火车驶过的广阔空间时，你会忍不住想，这个带轮子的盒子就是你的家。有多暖和就有多安全。

这是我内心的理想主义者在说话。这位实用主义者把我拉向另一个方向:仅印度就有123542公里长的铁路。美国有20.25万公里，欧盟有225625公里的铁路:几乎是地球赤道长度的5倍。当您在处理如此庞大的网络时，统计数据是压倒性的，您必然会有出错的空间。全球铁路维护行业的每个人都面临着同样的情况:他们不可能每个路口都有人值守，也不可能定期检查每条轨道的每一寸，不是吗?

测量最先进的安全装置

大多数事故都是可以避免的，常见的原因是脱轨，平交路口事故、碰撞和其他危险，如火灾。2018-2019年，英国发生了517起火车事故，而美国在2018年发生了2200起事故。在我描绘出一幅过于严峻的画面之前，从好的方面来说，所有这些数字都是自两个多世纪前铁路开始以来最低的。今天，重点是加强监控，以改进异常检测。我们都希望得到的结果是更好地预防和控制灾害。我们到达那里。事实上，2018年美国的数字比1972年的1.2万起低92%。但也许我们已经达到了人类所能达到的极限，当我们到达最后一站，也就是效率的最后边界时，我们需要一些帮助。

保持AI在(铁路)道路上

有没有可能有一天，我们报告的轻型和重型铁路运输事故为零?这是我们在Ignitarium的研发实验室(被称为“熔炉”)经常思考的问题。几年前，我们意识到有机会给天空赋予更高的意义:空中分析。以前在陆地上做不到的事情，现在我们可以在空中做——更便宜、更快、更好。

想象一下，能够发现每条铁路线上的每一个故障。然后建立一个足够大的数据集，并对其进行分析，以预测下一个故障，同时在不打乱列车时刻表的情况下实现这种智能。这一切都在有限的操作员干预下完成。这是一个艰巨的任务。纯粹的挑战使它成为一个值得探索的用例。但在我们跳上这个视频分析的马车(预计到2022年将以每年42%的速度增长)之前，问题是:我们将跨越可行性障碍，但我们如何使其可扩展?

创新，从院子到路口

钢铁侠可能有贾维斯，但我们的团队通常需要更多的科学而不是科幻小说。这是一个“严酷的”现实:在实验室的时间很长，原型构建是一个无休止的迭代过程，必须不知疲倦地工作。当我们在Ignitarium实验室修补测试版时，我们试图在所有人工智能解决方案的第一个测试中取得好成绩:在没有人类监督的情况下运行它。显然，空中分析意味着在无人机或固定翼飞机上安装摄像头，但我们如何训练它在不受运动变化影响的情况下保持高度准确呢?

第一步是精确捕获感兴趣的人工制品，补偿飞机的俯仰、滚转和偏航。一旦完成，我们确保不需要操作人员来控制或操纵摄像系统。这是通过将船长的翅膀添加到Ignitarium的动态相机对准软件来实现的。我们现在需要的是一种获取高质量视频的方法，这样每一个与轨道相关的物体都能在每一帧捕获的画面中完美地“集中”起来。通过与硬件合作伙伴的合作，我们找到了一款功能强大的设备:一台AVerMedia Box PC EX731-AAH2-2AC0，内部装有NVIDIA Jetson TX2模块。

一旦飞行器和万向节在空中，轨道镜头就被存储在4K分辨率中，用于颗粒分析。复杂的图像处理算法被编写和重写，用于图像配准、检测和分类，所有这些都在TYQ-i (Ignitarium的缺陷检测AI平台)上并行工作。一开始，人工智能被训练去寻找轨道上明显的缺陷:断裂或倾斜的枕木，缺失的钉钉或鱼片。然后，随着它了解的更多，它是时候进行更深的探索:观察和标记外来物体，甚至各种各样的植被。在多次测试构建之后，是时候释放我们的AI并让它飞起来了。

积聚动力:视野狭窄，拉响警报，等等

当我们的解决方案为美国领先的航空成像公司Skycam Aviation投入使用时，我们感到非常自豪。然而，旅程才刚刚开始。我们的团队转向了其他障碍检测方法:我们需要更多的工作，TYQ-i需要更多的处理。想想空中分析与安装在火车上的摄像头的结合，即使在最暗淡的条件下，如夜晚、下雨、下雪，也能发现交通中断。或者是AI锤，在测试隧道内部结构完整性的同时分析声音模式，以发现异常。如果人工智能能够研究火车常规路线周围视觉景观的历史画面，以识别与当前画面的差异，会怎样?

它不再是一个假设:它是真实的，它是有效的。该机构是在车辆前方安装一个深度探测摄像机。然后我们选择一段轨迹进行记录，之后从a点到B点的数百帧被标记为地理位置，并存储为“黄金参考”保存的提要。现在我们已经准备好了。当列车运行时，保存的数据与实时数据同步，以检测差异。有很多方法可以提高精确度，我们正在探索所有的方法:从只比较两帧中的关键点，到使用基于加速计或陀螺仪的编码数据，再到从列车本身获取车轮旋转信息。无论路径是什么，目标都是在超高的列车速度下，在不遗漏任何小物体的情况下，使探测成为可能。提高这一点还需要正确定义感兴趣的区域(RoI)窗口。

我们在Ignitarium的使命是让视觉分析在经济上、大规模地实现成为可能。因此，在与人类安全进行权衡时，预测视频分析的成本甚至不是一个考虑因素。我相信，这会让21岁的我感到非常自豪。作为班加罗尔大学(Bangalore University)的一名新晋电子工程师，我在世纪之交开始了我的铁路旅行。我从卧铺上摇起车窗。我对未来充满了乐观，凝视着前方的铁轨，火车沿着一个陡峭的弯道蜿蜒前行。我当时并不知道，几十年后，我们会派一架无人机在前方与我一起凝视它。