07.11.2019

Пригодность подвижного состава к эксплуатации определят нейросети

ОАО «РЖД» определило семь финалистов открытого запроса на создание автоматической системы распознавания неисправностей и коммерческой пригодности грузового подвижного состава. К середине ноября для каждого инновационного решения будут определены объекты пилотных испытаний, а также разработаны и утверждены дорожные карты реализации. В результате железные дороги получат систему, которая оптимизирует процесс осмотра вагонного парка.

Открытый запрос проводился Центром инновационного развития РЖД на портале «Единое окно инноваций РЖД» в интересах Центра фирменного транспортного обслуживания (ЦФТО). Цель – поиск автоматической системы распознавания неисправностей и коммерческой пригодности подвижного состава.

Она должна одновременно решать три главные задачи. Во-первых, автоматически выявлять и распознавать неисправности: состояние люков, дверей, бортов и кузовов вагонов, нарушения при размещении и креплении грузов на открытом подвижном составе, наличие и состояние запорно-пломбировочных устройств, перегруз, нарушение габаритов, загрязнение, остатки груза в вагоне. Во-вторых, распознавать номера вагонов. В-третьих, передавать информацию о выявленных отклонениях и неисправностях грузового подвижного состава представителям ОАО «РЖД» с использованием информационных систем для составления коммерческих актов, а также актов общей формы.

Новая система должна стать решением проблем, которые возникают при осмотре вагонов. Программно-аппаратный комплекс «Автоматизированная система коммерческого осмотра поездов и вагонов» (АСКО ПВ), используемый для дистанционного осмотра вагонов при помощи комплекса видеокамер, можно применять не на всех станциях из-за их технических ограничений и географического расположения. Вдобавок его работа всё же требует участия человека: АСКО ПВ предназначена только для передачи изображения с камер на автоматизированное рабочее место сотрудника станции.

Другой способ, который применяется сейчас на сети, – личный осмотр сотрудником станции – является опасным, так как есть риск несчастных случаев, который растёт из-за необходимости проведения осмотров в тёмное время суток и при плохой погоде.

Всего в рамках проведённого Центром инновационного развития РЖД открытого запроса поступило 23 предложения. Из них рабочая группа во главе с главным инженером ЦФТО Дмитрием Муревым выбрала семь финалистов. «В проектах много общего, так как нацелены они на решение одной задачи – распознавание неисправностей и коммерческой пригодности подвижного состава в автоматическом режиме. Но у каждого из проектов есть своя специфика», – говорит замначальника Центра инновационного развития Людмила Дюжакова.

Например, Интегрированная система распознавания неисправностей и коммерческой непригодности подвижного состава в автоматическом режиме АСКО ПВ 3D М, которая разработана АО «Альфа-Прибор», может формировать полномасштабное изображение вагонов в высоком разрешении. Информация, полученная от подсистемы 3D-идентификации (3D-модели вагона/груза) и технических устройств видеофиксации, обрабатывается специальной программой, после чего делается вывод об исправности вагона и соблюдении норм перевозки груза.

Особенность Инновационной автоматизированной системы коммерческого осмотра подвижного состава, представленной АО «ТрансТелеКом», в том, что в неё встроены сервисы Интернета вещей: электронные пломбы, датчики lpwan (беспроводной технологии передачи небольших по объёму данных на дальние расстояния) и т.п.

Система распознавания номеров вагонов в режиме реального времени, которую представило ООО «НВИАЙ Солюшенс», использует в своей работе основы искусственного интеллекта. Для распознавания номеров вагонов можно использовать не только видеокамеры, но и мобильные телефоны и планшеты.

Особенность системы автоматического коммерческого осмотра вагонов «АРСИС», разработанной в НПК «Малленом Системс», в том, что для получения информации о внешнем виде и геометрии грузовых вагонов используются сразу две технологии: сканирование скоростными 3D-сканерами синхронизировано с видеосъёмкой. Это позволяет выявлять дефекты вне зависимости от времени суток и погодных условий. Для выявления и классификации дефектов используются технологии на базе глубокого машинного обучения (нейронные сети), аналогичные тем, что уже применяются для сортировки алмазов в компании «АЛРОСА».

Помимо камер машинного зрения, лазеров, глубокого обучения в Интеллектуальной системе коммерческого осмотра и диагностики вагонов, разработанной ООО «Глобальные системы автоматизации», используется также синхронное освещение.

В «Дефектоскане железнодорожных вагонов и других единиц подвижного состава», предложенном ООО «Си Тех», при осмотре применяется компьютерное зрение, обработка первичной информации идёт на базе проверенных практикой алгоритмов обработки изображений, а выводы делает искусственный интеллект.

Седьмой финалист – система «АСКО ПВ 3.0», представленная НПК «Автоматизация», – использует в своей работе 16-лучевые лазерные сканеры. Это позволяет сделать 3D-модель более точной в сравнении с той, что создаётся при помощи однолучевого лазера. В отличие от используемой сейчас на сети АСКО ПВ, в третьей версии добавлены дополнительные нижние боковые камеры, благодаря чему оператору не надо выходить в поле для осмотра составов с ходу. Кроме того, НПК «Автоматизация» предлагает поставлять систему по контракту жизненного цикла с 10-летней гарантией.

«Для ЦФТО открытый запрос – проба новой формы поиска и привлечения высокотехнологичных компаний к процессу цифровой трансформации ОАО «РЖД», – говорит Дмитрий Мурев.

На следующем этапе всех финалистов открытого запроса ожидает «работа в поле». Согласно протоколу рабочей группы от 21.10.2019 к середине ноября будут определены объекты пилотных испытаний. Людмила Дюжакова уточняет, что для удобства работы они будут расположены вблизи от территорий, где находятся финалисты. Также к середине месяца предполагается разработать и утвердить дорожные карты реализации проектов, где в том числе будут запланированы даты проведения самих испытаний.

По результатам практического этапа станет ясно, на основе каких решений и технологий будет работать новая система распознавания неисправности и коммерческой пригодности подвижного состава.