导读 在铁路养护领域，人工智能和深度学习技术的融合标志着传统检测方式的转变。《高速铁路》上发表的一项新研究介绍了一种高性能轨道检测系统，
在铁路养护领域，人工智能和深度学习技术的融合标志着传统检测方式的转变。《高速铁路》上发表的一项新研究介绍了一种高性能轨道检测系统，利用人工智能的最新进展，特别采用YOLOv8进行快速、准确的缺陷检测。
“我们开发了一种基于生产者-消费者模型的模型推理管道，利用并行处理和并发计算来显着提高检查速度和效率，”合著者、土木与环境工程系副教授于谦说。南卡罗来纳大学。
“我们的系统使用C++、TensorRT、float16量化和oneTBB等工具进行部署，提高了处理速度，在桌面系统上实现高达281.06FPS，在边缘计算平台上实现高达200.26FPS。”
这项研究满足了及时有效的铁路检查的迫切需求，特别是在维护窗口有限的高速网络中。通过整合人工智能并优化整个推理流程，研究人员不仅提高了检查速度，还保持了高精度水平。
YOLOv8和复杂的模型推理管道的使用意味着脱离顺序处理，解决了数据预处理和后处理阶段常见的瓶颈问题。
“这种方法不仅简化了检查流程，还为铁路行业的实时检查能力树立了新标准，”钱补充道。“我们的研究结果为人工智能如何改变铁路维护提供了新的视角，有可能降低事故风险并提高铁路网络的安全性和可靠性。在不影响准确性的情况下显着提高处理速度，为实时决策开辟了新的可能性——轨道维护制造。”
新方法的成功为基础设施维护其他领域的未来研究和应用提供了一个有前途的方向，强调了人工智能在改善公共安全和资产管理方面的作用。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！