Inspectie spoor met beeldherkenning

Het is mogelijk via beeldherkenning sneller en veiliger defecten aan het spoor te signaleren dan met de handmatige inspecties. Een proef met de analyse van miljoenen foto’s via speciale algoritmes laat zien dat we met deze methode een juistheid van bijna honderd procent halen.

Het spoorvervoer groeit de komende jaren sterk. Het spoor zelf gaat dan ook harder slijten. En omdat het drukker wordt op het spoor, zorgt een defect onderdeel sneller voor stagnatie. Ook is er door intensiever gebruik steeds minder gelegenheid om het spoor handmatig te inspecteren. Redenen genoeg  om naar een goed alternatief te zoeken.

250 miljoen foto’s 

Door ongeveer 250 miljoen foto’s per jaar te analyseren via nieuwe data science methoden, zijn we in staat om veranderingen zoals defecten automatisch op te sporen. Zo kunnen we in korte tijd vele kilometers spoor beoordelen. Zelfs de kleinste haarscheurtjes kunnen we op deze manier registreren en analyseren.

We ontwikkelen steeds meer algoritmes om uit grote reeksen beelden automatisch relevante informatie te herkennen. Inmiddels kunnen we ook de lasverbindingen tussen de spoorstaven herkennen en we hebben aangetoond dat dit ook voor dwarsliggers mogelijk is. Ondertussen werken we aan een algoritme om defecten in de spoorstaven zelf te herkennen.

Beter plannen

Door deze nieuwe manier kunnen we beter bepalen wanneer en welk onderhoud nodig is. Door de grote hoeveelheid beelden kunnen we bovendien beter zien hoe defecten veranderen door de tijd en of dat volgens verwachting verloopt. Zo krijgen we meer grip op de (slijtage van) onderdelen van ons spoorsysteem, kunnen preventief handelen en daardoor hinder voorkomen.

Voorbereid en veiliger

Een bijkomend voordeel van automatische beeldherkenning is dat het werken voor spoormedewerkers veiliger wordt. Zij hoeven immers de zevenduizend kilometer spoor in Nederland niet meer te inspecteren langs de baan, maar kunnen dat straks doen met behulp van de data-analyses.