比一比人工智能,让交通出行更安全
传统人工审核视频方式抽检覆盖率低、工作强度大且枯燥。人为主观判断因素大。
通过视频AI智能分析技术实现监控列车司机与乘务人员的操作,人工智能自动识别、多维度评分、准确判断违规项点,迅速反馈给管理中心(机务段)。
  • 全面无死角分析视频数据,评判结果客观准确,不受人为因素的影响
  • 节约大量专业审核人力,降低运营成本
  • 消除因单调枯燥的工作导致的人为错误,提升审核速度
  • 提高列车运行的安全性
接触网检修采用检测车自动拍摄,人工事后分析的方式逐帧对接触网状态进行检查,各个路局耗费大量的人力及时间进行接触网检测的相关工作。受限于拍摄角度,审核人员疲劳状态等主观及客观因素,审核效率低下,人工易疲劳等问题亟需解决,避免漏检风险。
对于接触网状态的检测往往关系到铁路的安全运营和人民生命财产安全,异常目标上报的时效性就显得尤为重要,是接触网检测的重中之重。
接触网图像智能识别分析系统依托图像处理、人工智能等技术,采用自主建模的深度神经网络,实现接触网(承力索、吊弦、绝缘子、紧固件、螺丝等部件)自动检测,智能识别故障。从而替代人工检测,及时发现隐患,提升高铁运行安全水平。
  • 实现四大类故障检测(紧固件异常、吊弦异常、绝缘子异常、异物侵限)
  • 检测识别率高、判断准确率高
  • 提升5倍工作效率、降低运维成本
  • 保障高铁运行安全
地铁在城市公共交通中起到了举足轻重的作用,轨道沿线隧道异物侵入、线路脱落、附属设备箱异常开启、漏水等异常情况成为行车安全的重大隐患,影响广大乘客出行,进而造成广泛的社会影响。
地铁隧道检修窗口期时间紧(仅4-5小时)、人员凌晨工作疲劳、隧道工作环境恶劣,人为因素影响大,存在漏检风险,造成隧道检修效率低下。
地铁隧道侵限自动检测系统采用AI智能图片视频分析技术,实现自动拍摄图片视频、智能分析检测异常。
  • 替代传统人工检测方式,实现隧道日常检测智能化
  • 大幅缩短检测总工时至1-2小时,提升5倍工作效率
  • 实时分析隧道异常,实现“精准检、快速修”
  • 大大提升地铁隧道安全等级,保证行车安全。
核心技术
计算机视觉
数字图像处理、图像增强、图像分割
模式分类和聚类、特征选择、特征提取
视觉测量、物体建模、模型重建
目标跟踪、目标识别、姿态识别
手势识别、人脸识别、疲劳检测
深度学习
前馈神经网络、卷积神经网络
模型训练、损失函数、优化算法、正则化
对象的分类、检测、分割
强化学习、生成模型、分布式学习
信号处理
信号离散化、量化、编码
信号增强、滤波、去噪、降噪
提取时间域、频率域、小波域等信号特征
时间序列分析、信号分类和识别
成功案例
当前数据处理(PB)