大秦铁路TrainEyes车辆图像智能识别预警系统

项目背景
     目前，铁路货车车辆的列检采用人员逐一目检车辆所有部位及零部件图像，来对进站车辆是否有故障进行检查，需要配备大量经验丰富的列检人员来完成海量的车辆图像检视工作，工作强度及工作量大成为影响列检人员工作质量难以保证的因素，故障漏检甚至连续漏检的问题也时有发生，这都对铁路货车车辆运行安全带来了隐患。当下，人工智能技术的快速发展，使得高识别率、强泛化能力的货车图像自动识别系统的实现成为可能。通过对进站车辆图像进行智能识别来减少列检人员的工作量以及列检人员的数量，让列检工作智能化，将是保障铁路车辆安全运行、提升列检工作质量的必然趋势。

         
解决方案
      TrainEyes车辆图像智能识别预警系统是以铁路路基及路侧的线阵相机拍摄的运行中的铁路货车车辆走行部动态图像为基础，基于卷积神经网络的多模型协同式故障识别筛选方法，以人工智能的方式，滤除占多数的、无故障的铁路车辆图像，让故障漏检率得到有效控制，确保了常见的故障类别不会被漏检。 目前，系统在大秦线上共检测了约15000列货车、约200万张图像、涉及20种车型，单辆货车检测时间小于4秒，能够实现对铁路货车列检现有业务作业模式的升级，可提升列检作业的科技含量、降低列检人员的劳动强度、增强列检工作的准确率，实现列检作业的自动化、智能化。

                       
客户价值
      减少列检人员85%以上的工作量，降低90%以上的劳动强度，提高了列检工作质量及效率。
人工智能技术的应用可有效剔除行车安全隐患，保障车辆安全运行。