Uitdaging
Een aannemer voor onderhoud van spoorweginfrastructuur monitort de conditie van de spoorstaven en de verbindingen met behulp van camera’s op een trein. Vervolgens worden alle beelden door mensen bekeken en die beoordelen wanneer een onderhoudsinterventie noodzakelijk is. Dit is enorm tijdrovend en geestdodend werk.
Ons werd gevraagd om te onderzoeken of het visueel scannen en interpreteren van de beelden door beeldherkenning was te automatiseren met als output een voorspelling waar en wanneer locaties moesten worden onderhouden om storing te voorkomen.
Aanpak
- Data over uitgevoerde inspecties verzamelen om een grote test set met waarnemingen te creëren.
- Een zelflerend algoritme ontwikkelen (gebaseerd op neurale netwerken) om de inspectie te automatiseren.
- Valse positieven (beoordeeld als oké, maar in feite niet oké) en valse negatieven (beoordeeld als niet oké, maar in feite oké) tot een minimum beperken.
- De software in de liveomgeving testen en valideren.
Resultaten
- De software heeft zich in de live-omgeving bewezen en is volledig geïntegreerd in de werkwijze van de aannemer.
