Motivation 

Schienenverkehrsmittel nehmen eine wichtige Rolle in der umweltfreundlichen Beförderung von Personen und Gütern ein. In diesem Kontext sind die Sicherheit und Verlässlichkeit der Schieneninfrastruktur besonders wichtig und müssen durch entsprechende Wartungsarbeiten sichergestellt werden. Die Inspektion der Schienen wird heutzutage durch regelmäßige Kontrollen von Personal oder durch unregelmäßige, kostenintensive Messfahrzeuge. Ziel dieses Projektes ist es, ein intelligentes Kamerasystem auf regulären Zügen zu installieren und mithilfe von bildbasierten Algorithmen die Schieneninfrastruktur zu untersuchen. Neben dem Detektieren von Schienenschäden sind auch Fremdkörper auf dem Schienenbett von besonderem Interesse.  

Herausforderungen und Ziele 

Um die Echtzeitfähigkeit des Systems zu gewährleisten, sind sowohl die Kamerasensoren als auch die verwendeten Algorithmen und Rechnerkomponenten von großer Bedeutung. Da Schienenschäden und Fremdkörper relativ selten sind, sollten die Algorithmen in der Lage sein, Abweichungen von einem erlernten Konzept der Normalität zu detektieren. Es wurden verschiedene Machine Learning Ansätze getestet und analysiert, um ein System mit zufriedenstellender Genauigkeit unter limitierten Rechnerressourcen zu implementieren.  

Ausblick 

Das System wird weiterentwickelt, um den Einsatz auch aus anderen Perspektiven zu ermöglichen. Dabei werden unter anderem der Einfluss von erweitertem Sichtfeld, unterschiedlicher Auflösung und auch Umwelteinflüsse genauer untersucht. Die Finanzierung von dem Folgeprojekt OCTAVE ist bereits gegeben.