鐵路是國民經濟大動脈和國家重要基礎設施。在中國式現代化建設如火如荼的今天，中國鐵路覆蓋面積不斷擴大，高鐵觸角不斷延伸，正在用“中國速度”成就中國經濟。

在這張龐大的鐵路交通網背后，穿插著一條堅固的生命線——鐵路安全。隨著5G、云計算、人工智能等技術的發展與進步，所有交通建設參與者都面臨著同樣的課題：如何借科技的臂膀，提高軌道交通安全運維能力？面對鐵路線路病害頑疾，要怎么做好智能化防治？

近日，在以“數聚廊坊 智享未來”為主題的河北人工智能計算中心上線儀式上，北京交通大學詹天佑學院副院長李清勇發表了題為《天佑大模型-塑造高速鐵路軌道基礎設施的“健康衛士”》的主題演講，全面闡述了天佑大模型將人工智能與軌道基礎設施檢測行業融合的創新實踐，大幅提升軌道基礎設施病害檢測的安全性和時效性。

北京交通大學詹天佑學院副院長李清勇

　　我國軌道交通發展迅速，目前已形成全球規模最大的軌道交通網絡。然而，在快速發展的同時，軌道基礎設施運維能力同步提升速度卻較為緩慢。如何實現高效、精準、智能的軌道病害檢測，是當前高速鐵路發展的迫切需求和亟待攻克的技術難點。

李清勇在會上介紹到，近幾年，我國軌道基礎設施運維方式正在由人工模式逐步向“自動采集、離線分析和人工復核”的模式過渡。但是，由于軌道圖像采集中難免受到環境、氣候條件、光照等的影響，圖像背景往往噪聲較高，病害表觀通常復雜多樣，同時軌道缺陷檢測面臨負樣本少、檢測對象繁雜，任務類型多樣等問題，對軌道病害智能檢測能力提出挑戰。

對于那些率先使用檢測模型，試圖通過數字技術加速鐵路智能化管理的運維部門來說，采用傳統的“單模型”部署模式造成不同軌道病害檢測任務之間獨立運行，病害特征數據不能共享，孤島現象明顯。另外，檢測模型的訓練和更新也較為復雜，對于工作人員來說部署和迭代都比較困難。在如今高鐵軌道巡檢頻率動輒十天一次、城市軌道巡查頻率不低于每周一次的剛需要求下，這種情況不僅影響了軌道病害檢測工作效率，同時也極易造成鐵路安全隱患。

針對當前軌道病害檢測領域所面臨的挑戰，2022年6月，河北人工智能計算中心攜手北京交通大學、華為共同著手研發軌道缺陷檢測天佑大模型，全面構建軌道基礎設施智能運維場景，促進軌道交通產業繁榮發展。

雙重加持：算法+算力，加速優化軌道交通病害檢測手段

從研發到落地，時至今日，天佑大模型憑借堅實的技術底座和強大的算力支撐，成為了目前業內首個軌道交通基礎設施智能運維大模型。

李清勇表示，作為一套能夠覆蓋多種軌道表面病害的智能檢測系統，天佑大模型將人工智能技術和軌道基礎設施運維行業高度融合，解決了傳統依靠人工檢測成本高、效率低、易漏檢等問題。

在算法方面，天佑大模型基于昇騰AI基礎軟硬件平臺，包括Atlas系列硬件、全場景AI框架昇思MindSpore以及一站式AI開發平臺ModelArts，有效提高了算法團隊的開發效率和模型精度。同時，天佑大模型提供了豐富的API接口和模型代碼，方便開發者進行二次開發和應用集成。

在算力方面，天佑大模型依托河北人工智能計算中心提供的高效算力進行算法創新和天佑大模型優化，重點突破了軌道交通病害檢測領域小樣本、細粒度、數據同質化等技術瓶頸。同時，天佑大模型還可以通過不斷的算法創新和模型優化，進一步提升其在軌交領域的技術水平和應用價值。

基于算法與算力的雙重加持，天佑大模型在軌道巡檢垂直應用領域實現了多維度技術創新，其中包括多階段自監督預訓練方法、適用于軌道巡檢垂直領域數據的掩碼策略以及基于大模型的軌道病害數據自動增廣方法等。

這些舉措使得天佑大模型在城際、地鐵、 輕軌、高鐵等場景的8類應用任務中取得了顯著的成果。目前天佑大模型的實驗結果顯示，病害召回率大于96%，虛警率小于10%，大幅提升了軌道病害檢測的準確性和智能化水平。

生態培養：打造人工智能開放創新平臺，繁榮多元化產業生態

基于昇騰AI軟硬件根技術，天佑大模型在河北人工智能計算中心、北京交通大學和華為的共同研發下，實現了對交通領域的深度理解和精準把握。河北人工智能計算中心與北京交通大學聯合實驗室的成立，將進一步擴大了其在交通領域的多元化應用，打通從科研創新到行業落地的產業新模式。

河北人工智能計算中心與北京交通大學聯合實驗室揭牌儀式