Spoor inspecteren met beeldherkenning is kansrijk
Het is goed mogelijk via beeldherkenning sneller en veiliger defecten aan het spoor te signaleren dan met de handmatige inspecties die we nu nog toepassen. Een proef van ProRail met de analyse van miljoenen foto’s via speciale algoritmes laten zien dat we met deze methode een juistheid van bijna honderd procent halen.
Als de verwachtingen uitkomen, gaat het spoorvervoer de komende jaren sterk groeien. Het spoor zelf gaat dan ook harder slijten. En omdat het drukker wordt op het spoor, zal een defect onderdeel sneller voor stagnatie in het systeem. Ook is er door intensiever gebruik steeds minder gelegenheid om het spoor handmatig te inspecteren. Redenen genoeg om naar een goed alternatief te zoeken.
Automatische beeldherkenning lijkt een kansrijke optie, concludeert ProRail die de afgelopen maanden hebben daarmee een proef heeft gedaan. Op basis van deze test verwachten het bedrijf zonder handmatig werk alle visueel te detecteren componenten via foto’s automatisch op orde te kunnen brengen in haar informatiesystemen. De eerste resultaten zijn hoopgevend, met percentages boven de 99 procent juistheid.
Door ongeveer 250 miljoen foto’s per jaar te analyseren via nieuwe data science methoden, zijn zegt ProRail in staat te zijn om veranderingen zoals defecten automatisch op te sporen. Zo kan in korte tijd vele kilometers spoor worden beoordeeld. Zelfs de kleinste haarscheurtjes kunnen op deze manier worden geregistreerd en geanalyseerd.
ProRail gaat steeds meer algoritmes ontwikkelen om uit grote reeksen beelden automatisch relevante informatie te herkennen. Inmiddels zegt het bedrijf in staat te zijn om de lasverbindingen tussen de spoorstaven te herkennen en aan te tonen dat dit ook voor dwarsliggers mogelijk is. Ondertussen wordt aan een algoritme gewerkt waarmee defecten in de spoorstaven zelf te herkennen zijn.