Vývoj automatizovaného systému videoinspekce železničního roštu - funkční prototyp pro experimenty

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27223663%3A_____%2F20%3AN0000001" target="_blank" >RIV/27223663:_____/20:N0000001 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Vývoj automatizovaného systému videoinspekce železničního roštu - funkční prototyp pro experimenty

Popis výsledku v původním jazyce

V průběhu celého projektu došlo k pořízení videoinspekčního hardware systému a nízkoúrovňového snímacího software pro záznam videa snímaného železničního roštu implementovaný na vybraný měřící vůz. Rovněž byl vybrán dodavatel zajišťující měření a sběr dat. Nasbíraná data byla průběžně vyhodnocována a zpracována procesní linkou pomocí metod strojového učení neuronové sítě. Programování softwarového vybavení pro učení neuronových sítí a softwarové nástroje, které realizují automatické vyhodnocení dat pomocí vytvořených neuronových sítí, jsou hlavním výstupem projektu a tvoří s hardwarem spolehlivý integrovaný funkční celek, který lze rutinně provozovat na diagnostických měřicích vozech. Po naučení je neuronová síť přepnuta do módu rozpoznávání, kdy jsou jí předkládána další data z měření videoinspekce a neuronová síť v nich rozpoznávala v oblasti zájmu a určuje kategorizaci identifikovaného jevu – typicky hledáme konkrétní vady upevňovadel železničního svršku. Celý systém se tak naučil rozpoznávat definované kategorie vad, které je schopen průběžně vyhodnocovat. Úplný technický popis výzkumu a vývoje vyhodnocování a rozpoznávání vad je popsán v dokumentech funkčního prototypu a ověřené technologie. Projektové řízení: projekt byl řízen v souladu s metodikou PRINCE 2 a veškerá výběrová řízení byla realizována v souladu splatnou metodikou o výběru dodavatele OPPIK (resp. ZVZ). Přínos projektu pro Příjemce podpory: Značný přínos implementovaného řešení je integrace technologii Tensorflow, OpenCV v rámci zpracování dat a analýzy pomocí série neuronových sítí. Ty jsou dále kombinovány s detailními snímky z lineárních kamer a unikátní datovou základnou vzniklou během projektu. Unikátním způsobem toto řešení využívá několik rozdílných neuronových sítí pro různé části řešené úlohy. Celý řetězec je paralelizován a využívá výpočtů na grafických kartách pro získání odpovědí v co nejkratším čase. V rámci projektu jsme vytvořili a implementovali vlastní neuronové sítě, které nejsou převzaté od třetích stran a tyto sítě jsou specificky naučené rozpoznávat charakter upevňovadel a jejich defektů na železnicích České republiky. Využitelnost je z historických důvodů 100% možná i na celé železniční síti na Slovensku a dále v řadě zemí střední a západní Evropy. Nasazení v Americe, Asii nebo Africe by vyžadovalo kontrolní měření pro detekci případných specifik místních železničních tratí. Shrnutí dalšího postupu pro uplatnění výstupů v praxi: Realizací projektu vznikly výsledky výzkumu, vývoje a inovací, které byly uskutečněny realizačním týmem a vznikl funkční prototyp. Ten jsme dále experimentováním testovali a prováděli jeho rozšíření a vylepšení. Výsledky výzkumu ve formě prototypu hodlá příjemce představit na veletrzích a připravit pro prodej na zahraničních trzích (Slovensko, Polsko, Maďarsko). Dále je připraven jednat o využití a představení technologie, popř. o dalším prodeji SŽ v České republice, co by dominantního provozovatele železniční infrastruktury v ČR. Identifikace finálních uživatelů v projektu: Jako hlavní uživatel výstupu projektu je SŽ. Obdobně však všech výsledků a výstupů projektu jsou provozovatelé kolejových vozidel a infrastruktury kolejových vozidel (metro, tramvaje).

Název v anglickém jazyce

Development of automatic videoinspection railway system, the experimental prototype

Popis výsledku anglicky

The videoinspection system has been developed. We have implemented almost 100 unique neural networks which are integrated into one evaluation data processing chain. The system is capable to identify, classify and detect all important defects on railway infrastructure which are realted to the security of the railway infrastructure operation. We have implemented the markup tool for manual a semi automatic marking of defects. The system is capable to detect all defects of infrastructure fastenings. The project has been evaluated by oponent and has been given the best possible result. Outputs of the project will be deployed on the railway infrastructure in the Czech republic and subsequently in Slovakia.

Druh

G_prot - Prototyp

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/EG17_107%2F0011235" target="_blank" >EG17_107/0011235: Zlepšení automatizovaného systému videoinspekce železničního roštu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

CZ.01.1.02/0.0/0.0/17_107/0011235

Číselná identifikace

—

Technické parametry

Značný přínos implementovaného řešení je integrace technologii tensorflow, openCV v rámci zpracování dat a analýzy pomocí série neuronových sítí. Ty jsou dále kombinovány s detailními snímky z lineárních kamer a unikátní datovou základnou vzniklou během projektu. Unikátním způsobem toto řešení využívá několik rozdílných neuronových sítí pro různé části řešené úlohy. Celý řetězec je paralelizován a využívá výpočtů na grafických kartách pro získání odpovědí v co nejkratším čase. V rámci projektu jsme vytvořili a implementovali vlastní neuronové sítě, které nejsou převzaté od třetích stran a tyto sítě jsou specificky naučené rozpoznávat charakter upevňovadel a jejich defektů na železnicích České republiky. Využitelnost je z historických důvodů 100% možná i na celé železniční síti na Slovensku a dále v řadě zemí střední a západní Evropy. Nasazení v Americe, Asii nebo Africe by vyžadovalo kontrolní měření pro detekci případných specifik místních železničních tratí.

Ekonomické parametry

zatím nerelevantní

Kategorie aplik. výsledku dle nákladů

—

IČO vlastníka výsledku

27223663, 64050696

Název vlastníka

ENEX GROUP s.r.o., FoxCom s.r.o.

Stát vlastníka

CZ - Česká republika

Druh možnosti využití

A - K využití výsledku jiným subjektem je vždy nutné nabytí licence

Požadavek na licenční poplatek

A - Poskytovatel licence na výsledek požaduje licenční poplatek

Adresa www stránky s výsledkem

—