OpenMMLab助力京港地铁智能化钢轨检测，产业应用共创计划启动

大模型蓬勃发展，正推动人工智能进入新的发展阶段。学术界和产业界积极探讨如何让人工智能、让大模型扎根各个行业，成为提升生产效率，催化生产力变革的技术基础设施。

OpenMMLab 近期启动了应用案例共创计划（以下简称“共创计划”），诚邀产业伙伴共同推动 AI 应用实践。在共创计划中，OpenMMLab将为合作企业提供解析数据处理、模型选择、优化和部署等全流程协助，并共享可复用的模型调参和优化经验。双方技术专家将紧密合作，共同推动人工智能在产业环境中的应用落地和价值实现。

 “共创计划”在轨道交通领域的首个项目率先应用于北京京港地铁有限公司(京港地铁)，落地方案“智能化钢轨轨面缺陷检测”已于今年3月在京港地铁工务完成部署并试运行。该项目以领先的人工智能技术赋能轨道交通巡检，实现了钢轨表面“像素级”“毫米级”缺陷的高效检测与预警，助力轨道交通安全运行。

【钢轨损伤细如发丝，亟需智能“巡道员”】

截至2022年底，全国铁路营业里程达到15.5万公里，其中高速铁路4.2万公里；目前已有超过51个城市投运了轨道交通, 城市轨道交通运营里程达9554.6公里。

在轨道交通运行过程中，由于轮轨作用及钢轨材质、线路条件和人员操作等原因，钢轨表面或次表面不可避免会产生接触疲劳裂纹、变形、剥离、磨耗和擦伤等伤损。常见的轨面伤损往往隐藏深、尺寸小，多数损伤的尺寸甚至为“像素级”“毫米级”，难以被及时发现。轨面损伤若得不到及时发现和处理，将引发震动噪音甚至列车脱轨等问题，严重影响运输安全。

长期以来，对钢轨的检修一直依靠轨检车拍照或巡道工徒步巡视、肉眼判断和采样等方式进行，速度慢、效率低，难以对线路进行全覆盖。例如，在京港地铁的部分线路中，巡检班组需携带30斤设备在夜间完成徒步巡检，在地下线路幽暗的光照环境中，工作人员完成一段8公里线路的巡检，需要耗费将近4小时。

如何将钢轨巡检流程数字化、自动化、智能化，进而自动感知、识别、统计、挖掘、预警全线路钢轨损伤，最终实现数据驱动的智慧轨道工务，成为轨道运输行业亟需解决的问题。

【AI助力轨道交通智能化升级】

为解决轨道运输行业的上述痛点，OpenMMLab基于浦视开源体系推出“智能化钢轨轨面缺陷检测”方案，为精准评价钢轨健康与寿命、智能化制定养护维修计划，提供数据驱动的决策依据。

在该方案中，智能化检测全程通过图像采集、数据标注、深度学习训练、推理预测四大步骤，完成精准定量的钢轨表面伤损情况输出。

图像采集由京港地铁研发部门组装的多臂钢轨检测车完成。OpenMMLab基于开源标注平台LabelU开发了专用的工业标注模块，对原始图像详细标注分类、目标检测、语义分割，构建起像素级数据集。在深度学习训练阶段，基于OpenMMLab开源图像分割算法库MMSegmentation，实现对钢轨表面各类型伤损缺陷的像素级语义分割；借助开源模型部署算法库MMDeploy，实现了语义分割模型的轻量化终端部署与边缘计算。最后，在预测推理阶段，通过预测结果后处理，智能识别、区分、提取、测量每一处表面伤损详情，实现对轨面损伤程度的精准定量输出。

轨检多臂小车进行图像采集

基于LabelU开发的标注模块

波浪磨耗语义分割预测结果

钢轨表面剥离掉块、鱼鳞裂纹语义分割及后处理

钢轨表面剥离掉块语义分割及面积测量

此外，双方团队还合作开发了基于智慧铁路SaaS平台的Web和移动端App应用，可供工务检修人员随拍随测，提升工作效率。