%20c%E1%BB%A7a%20Norfolk%20Southern%20Ki%E1%BB%83m%20Tra%20T%C3%A0u%20H%E1%BB%8Fa%20Ch%E1%BA%A1y.png)
Để phát hiện ra các lỗi trên các đoàn tàu đang chạy, Công ty Đường sắt Norfolk Southern (Atlanta, GA, Hoa Kỳ) đang xây dựng các cổng kiểm tra tàu bằng machine vision trên các đường ray ở Hoa Kỳ.
Viện Nghiên cứu Công nghệ Georgia (Atlanta, GA, USA) đang hợp tác làm việc trên đường sắt trong dự án kiểm tra.
Các cổng được gắn camera độ phân giải cao, đèn sân vận động và thuật toán AI để chụp và sau đó phân tích hình ảnh của các đoàn tàu chạy với tốc độ lên đến 96 km/h. Tất cả các thành phần được lắp đặt bên đường ray bên trong các cấu trúc thép hình dạng đường hầm.
Hai cổng kiểm tra đã được triển khai vào năm 2023 trên các đường ray liền kề ở Leetonia, Ohio - không cách xa nơi một đoàn tàu bị trật bánh vào tháng 2 năm 2023, làm đổ hóa chất nguy hiểm. Các đoàn tàu chạy qua các cổng kiểm tra mới khoảng một lần mỗi giờ.
Norfolk Southern có kế hoạch triển khai một tá cổng tự động vào cuối năm 2024 để hỗ trợ các nhân viên kiểm tra, chứ không thay thế con người.
“Kiểm tra của con người bao gồm các chuyên gia đi bộ dọc theo chiều dài của đoàn tàu tại các điểm khác nhau dọc theo mạng lưới đường sắt, theo dõi các tình trạng gặp lỗi. Như bạn có thể tưởng tượng, quá trình này có thể tốn thời gian và phụ thuộc vào các điều kiện không thể kiểm soát được như thời tiết,” Mabby Amouie, Trưởng nhóm khoa học dữ liệu tại Norfolk Southern cho biết.
Ngoài khả năng chống chịu thời tiết, hệ thống tự động còn cung cấp cho đường sắt thông tin về các vấn đề tiềm ẩn mà con người có thể khó phát hiện. “Một ưu điểm của cổng kiểm tra tự động là các đoàn tàu có thể được kiểm tra khi đang di chuyển, dưới tác động của lực có thể làm lộ ra các lỗi không dễ thấy khi tàu đang đứng yên,” Colin Usher, nhà khoa học nghiên cứu cấp cao tại Viện Nghiên cứu Công nghệ Georgia (GTRI) cho biết.
Có nhiều loại khuyết tắt mà Norfolk Southern muốn phát hiện. “Mặc dù tàu hỏa rất lớn, nhưng đáng ngạc nhiên, vấn đề lại nằm ở các bu lông và then chốt cotter tương đối nhỏ nằm ở các vị trí khác nhau để giữ cho mọi thứ hoạt động bình thường. Ngoài ra, các thiết bị an toàn, chẳng hạn như thang, sẽ được kiểm tra xem có hư hỏng không. Cuối cùng, các hạng mục như cửa sập mở hoặc cửa ra mở cũng sẽ được kiểm tra,” Usher giải thích.
Machine vision và Trí tuệ nhân tạo AI
Các kỹ sư tại GTRI đã thiết kế phần cứng cho các cổng kiểm tra mới, và nhân viên của Norfolk Southern đã tạo ra các thuật toán kiểm tra dựa trên AI.
Hệ thống bao gồm 38 camera, được lắp đặt một cách chiến lược ở các góc độ khác nhau, bao gồm một số camera ởระดับราง (trình độ ray) hướng lên trên, để chụp các điểm cụ thể trên mỗi toa xe.
Camera bao gồm cả các mẫu quét theo vùng và dòng, và sự kết hợp này tạo ra khoảng 1.000 hình ảnh trên mỗi toa xe, tạo ra视图 360° (tầm nhìn 360°) của mỗi toa xe.
Camera và ống kính được lắp đặt bên trong các vỏ bảo vệ và gắn trên các giá đỡ được gắn vào các mặt bên của cấu trúc đường hầm.
Đèn sân vận động được gắn bên trong vỏ đường hầm dọc theo các cạnh và phía trên. “Để chụp ảnh rõ nét các đoàn tàu chạy với tốc độ lên đến 96 km/h đòi hỏi tốc độ màn trập cực nhanh, điều này yêu cầu chúng tôi phải cung cấp nhiều ánh sáng để chiếu sáng các đoàn tàu,” Usher nói.
Các cảm biến phát hiện sự có mặt của một đoàn tàu đang tới và tốc độ của nó sẽ kích hoạt toàn bộ quá trình. Dựa trên tốc độ, phần mềm được phát triển tại GTRI tính toán thời điểm mỗi camera nên chụp ảnh và đèn nên bật sáng. Camera được đồng bộ đến micro giây. “Chỉ chụp ảnh các thành phần quan trọng và các khu vực khác của tàu không liên quan đến việc xác định khuyết tật sẽ không được chụp. Điều đó tối ưu hóa việc chụp ảnh và tiết kiệm dung lượng trong hệ thống máy tính,” Usher nói.
Để tiết kiệm thêm dung lượng, dữ liệu hình ảnh được nén.
Các thuật toán dựa trên AI phân tích dữ liệu hình ảnh tại chỗ để xác định xem có khuyết tật hay không. Trong vài phút, kết quả sau đó được truyền đến trung tâm điều hành mạng lưới của Norfolk Southern, nơi các chuyên gia về lĩnh vực này xem xét dữ liệu. Các khuyết tật nghiêm trọng được phần mềm AI đánh dấu để có phản hồi ngay lập tức, chẳng hạn như lên lịch bảo trì tàu tại bãi ga tiếp theo hoặc dừng ngay lập tức nếu sự cố nghiêm trọng.
Amouie nói thêm, các thuật toán kiểm tra của Norfolk Southern "có tỷ lệ phát hiện rất cao và đồng thời tỷ lệ báo động giả rất thấp
Kết quả và Lợi ích
Norfolk Southern đã hài lòng với hiệu suất của hệ thống kiểm tra mới. “Chúng tôi đã đạt được tỷ lệ phát hiện rất cao với tỷ lệ báo động giả rất thấp,” Amouie nói. “Hệ thống cũng đã chứng minh khả năng hoạt động đáng tin cậy trong nhiều điều kiện thời tiết.”
Ngoài ra, hệ thống tự động đã giúp cải thiện hiệu quả hoạt động. “Trước đây, việc kiểm tra tàu bằng tay có thể mất tới 45 phút cho mỗi đoàn tàu. Hệ thống tự động của chúng tôi có thể kiểm tra một đoàn tàu chỉ trong 30 giây,” Usher nói. “Điều này cho phép chúng tôi kiểm tra nhiều tàu hơn mỗi ngày và giúp di chuyển tàu nhanh hơn qua mạng lưới đường sắt của chúng tôi.”
Norfolk Southern coi hệ thống kiểm tra tàu mới là một phần quan trọng trong nỗ lực cải thiện an toàn và hiệu quả. “Hệ thống này là một bước tiến quan trọng trong việc sử dụng công nghệ để cải thiện an toàn đường sắt,” Amouie nói. “Nó giúp chúng tôi phát hiện các vấn đề tiềm ẩn sớm hơn và giữ cho đoàn tàu của chúng tôi hoạt động an toàn và hiệu quả.”
Thách thức trong tương lai
Norfolk Southern đang lên kế hoạch triển khai thêm nhiều cổng kiểm tra tự động trong những năm tới. Công ty cũng đang hợp tác với GTRI để phát triển các thuật toán AI tiên tiến hơn để phát hiện các loại khuyết tật mới.
“Chúng tôi không ngừng nỗ lực để cải thiện hệ thống của mình,” Usher nói. “Mục tiêu của chúng tôi là phát triển một hệ thống có thể phát hiện bất kỳ loại khuyết tật nào trên tàu, bất kể điều kiện là gì.”
Tóm lại
Hệ thống kiểm tra tàu mới của Norfolk Southern sử dụng thị giác máy (machine vision) và trí tuệ nhân tạo để phát hiện các khuyết tật trên tàu hỏa đang chạy. Hệ thống này đã giúp cải thiện hiệu quả hoạt động và an toàn, đồng thời được coi là một bước tiến quan trọng trong việc sử dụng công nghệ để cải thiện an toàn đường sắt.
