Zastosowanie AI/ML w wykrywaniu uszkodzonych podkładów kolejowych

Klient zajmuje się automatyzacją procesów przedsiębiorstw kolejowych. Jest to firma o zasięgu międzynarodowym, która łączy w sobie wiedzę ekspertów potrzebną do budowy, utrzymania, kontroli i monitorowania sieci kolejowej.  

Klient potrzebował wsparcia specjalistów AI/ML, którzy zbudowaliby oprogramowanie w zakresie identyfikacji konkretnych uszkodzeń podkładów.  

1. Analiza oprogramowania i wstępna koncepcja. 

Zidentyfikowaliśmy słabe punkty platformy klienta i nakreśliliśmy możliwe rozwiązania, które można wdrożyć.  

2. Przeprowadzenie badania stabilności i przedstawienie go klientowi. 

Od Klienta otrzymaliśmy zarys projektu cel projektu w postaci identyfikacji konkretnych uszkodzeń podkładów kolejowych. W tym celu wykonaliśmy wstępne badanie stabilności. 

3. Opracowanie ostatecznego pakietu oprogramowania w celu rozwiązania problemów klienta, w tym biblioteki przetwarzania danych. 

Po uzyskaniu zgody na wstępną koncepcję oprogramowania, opracowaliśmy ostateczny system rozwiązujący problemy Klienta, wraz z biblioteką do przetwarzania danych.  

Opracowaliśmy pakiet oprogramowania na podstawie zdjęć dostarczonych przez Klienta na początku współpracy, które zestawiliśmy z systemem pomiarowym. Pakiet przetwarzał każdy z tych obrazów, zaznaczając obszary z potencjalnymi wadami, w tym pęknięcia podkładów lub odpryski. Po ukończeniu przetwarzania w każdym pakiecie, przygotowaliśmy raporty z wynikami wraz z kodem źródłowym.  Następnie Klient wdrożył te pakiety do swojego systemu oprogramowania. 

At the start of our collaboration, we created a software package based on images provided by the client, integrating these with the measurement system. The package processed each image, highlighting areas with potential defects, such as primer cracks or spalling. After processing, we prepared reports with the results and the source code. The client then implemented these packages into their software system. 

Zbudowaliśmy system, który został dobrze przyjęty przez naszego użytkownika końcowego, którym w tym przypadku była Kolej Krajowa. Ponadto Klient zaprezentował wyniki naszej pracy na konferencji zorganizowanej w ramach Machine Vision Week, gdzie publiczność mogła poznać dokładne wyniki i efektywną jakość naszej biblioteki oprogramowania. 

Sam proces rozwoju i współpracy z Klientem przebiegał bardzo płynnie i był na bieżąco monitorowany. Nasz zespół ekspertów, również chętnie dzielił się swoją wiedzą, co zostało pozytywnie odebrane przez Klienta.