一種基于智能手機的新型應用程序提供了一種從服務列車上檢查軌道的低成本方法，而一種新的評估系統將深度學習應用于從火車前部捕獲的圖像，以檢測木枕木和軌道緊固件等軌道部件的損壞情況。

該應用程序專為運行 Apple iPhone 操作系統 (iOS) 的智能手機而設計，應用程序內的測量屏幕設計直觀且易于使用，使工作人員能夠在乘坐服務列車駕駛室時記錄測量結果。智能手機使用吸盤固定在駕駛室擋風玻璃上。安裝時間應少于 3 分鐘，完成后可立即進行測量。

該應用程序使用智能手機內置的全球定位系統?(GPS) 接收器測量火車的速度并確定其位置。它還使用智能手機的運動傳感器測量三個軸上的加速度和角速度，并使用后置攝像頭和麥克風捕捉視頻和音頻。該應用程序支持最高質量為 60 幀/秒 (fps) 和 4K 分辨率的帶聲音視頻錄制。

測量列車振動的裝置通常安裝在轉向架上方的車身上，但這個位置的 GPS 信號較差。將智能手機安裝在列車前部不僅可以改善 GPS 信號，還可以記錄從車廂看到的軌道景象。

攝像機拍攝的圖像包含列車目視檢查過程中需要檢查的許多項目。此外，可以根據測量的加速度而不是駕駛室的乘坐感覺來評估列車振動，并且這些數據可以以數字格式顯示。由于智能手機能夠同時進行許多不同的測量，因此可以從駕駛室拍攝的視頻片段可以疊加沿線行駛的公里數等信息。

顯示地理數據可以輕松檢查發生顯著加速度的位置的軌道狀況，并且可以在辦公室檢查相應的視頻。通過實現自動測量功能，可以進一步改進應用程序的功能。

RTRI 開發的用于評估軌道部件狀況的系統利用智能手機攝像頭從駕駛室拍攝的視頻圖像，并使用深度學習模型檢測軌道部件（例如枕木和扣件系統）并確定其損壞程度。應用投影變換過程從正面圖像創建鳥瞰圖。該系統可以確定木枕的損壞程度，檢測軌道接頭并識別泥漿泵送。

得到的結果以抽取判定圖像的形式輸出，可使用專用查看器和文本格式的分類賬進行檢查，從而可以規劃移除缺陷部件的工作。為確保高準確度，由軌道維護工程師進行了構建深度學習模型的注釋工作。

組件狀況

圖 1：評估系統能夠識別軌道組件故障，包括上圖中木枕木的損壞程度。

圖 1 顯示了系統用于評估軌道部件狀況的圖像示例。該系統之前曾應用于使用 4K 攝像機拍攝的圖像，但在本例中，圖像是使用新 RTRI 應用程序通過智能手機拍攝的。綠色框表示混凝土枕木，粉色框表示軌道扣件，紅色框表示已損壞的木質枕木。木質枕木的損壞程度可分為五類。

此示例表明，如果成像條件良好，即使使用智能手機拍攝的圖像也可用于評估軌道部件的狀況，其精度可與 4K 攝像機相媲美。事實上，軌道扣件的識別準確率超過 95%，枕木的識別準確率超過 85%，木質枕木的劣化程度超過 75%。未來的工作將涉及增加系統可以檢測的軌道部件類型和狀況的數量，并進一步提高其準確性。

由于成本低廉，這款智能手機應用程序甚至適合小型區域鐵路使用。從火車駕駛室拍攝的視頻可以在辦公室稍后通過添加其他信息（例如行駛距離）進行檢查。評估系統可以根據既定標準評估軌道組件的狀況，而無需熟練的工程師。為了減少軌道維護所需的技能并降低勞動力成本，RTRI 將繼續開發支持數字化的技術并提高鐵路維護和管理的效率。