Vil bruke AI og maskinlæring for å inspisere jernbanen

Bane NOR og Norsk Regnesentral har sammen fått innvilget en søknad om fire millioner kroner over tre år fra Norges forskningsråd til et innovasjonsprosjekt om automatisert inspeksjon av infrastrukturen ved hjelp av maskinlæring og AI.

  • Nyheter og aktuelt

Publisert: 14. mai 2020 klokken 12:20

Oppdatert: 2. mars 2023 klokken 02:01

Bilde av et nettbrett.

Slik ser thermokamera-bildene ut. Foto: Bane NOR

Prosjektet som går under navnet «IARI» eller «Image Analysis Railway Infrastructure», er et innovasjonsprosjekt i offentlig sektor (IPO) fra Norges forskingsråd.  

Jørgen Torgersen er Bane NORs administrativt ansvarlige i IARI-prosjektet som ledes av Norsk Regnesentral. I grove trekk skal Norsk Regnesentral bistå med maskinlæring og kunstig intelligens (AI) og våre medarbeidere skal bidra med jernbanefaglig annotering av bilder/video for å trene opp kunstig intelligens.

Smart vedlikehold

Jernbanen er løsningen på fremtidens transportbehov. Høy «oppetid» på jernbaneinfrastrukturen er svært viktig for Bane NOR og gjør jernbanen attraktiv for både reisende og gods. IARI-prosjektet vil gjøre det mulig med flere og raskere inspeksjoner av infrastrukturen uten stans i togtrafikken. Når feil og avvik avdekkes raskt og effektivt, gir det mulighet for smartere og bedre vedlikehold som vil ha positiv effekt for «oppetiden».

Hovedmålet for prosjektet er å utvikle en løsning for inspeksjon og overvåking av sentrale komponenter i infrastrukturen med kamerabasert datafangst og automatisk bildeanalyse. Prosjektet har særlig fokus på skinnegang, sporveksler og kontaktledningsanlegg.

– Løsningen vil gjøre det mulig å inspisere og analysere jernbaneinfrastrukturen på en rask, sikker og objektiv måte uten stans av togtrafikk. Bilder og video fra målevogn, passasjertog, arbeidsmaskiner og droner i tillegg til fastmonterte kamera, som Bane NOR allerede har installert, er eksempler på områder hvor automatisert bildeanalyse kan være nyttig, forteller Jørgen Torgersen.

«Forskningsinnsatsen vil ha fokus på å tilpasse eksisterende, generelle dyp-lærings-baserte algoritmer til jernbanefaglige formål og å trene disse algoritmene til å gjenkjenne relevante feil og avvik», heter det i prosjektbeskrivelsen.

Mange gevinster å hente

– Denne typen automatisert bildeanalyse gir redusert behov for sportilgangstid og trafikkavbrudd i forbindelse med inspeksjon, samtidig som sikkerheten øker. Med automatisert bildeanalyse forventer vi dessuten å finne flere feil i infrastrukturen før det feiler, og vi regner derfor med at den totale oppdragsmengden hos de som jobber ute ikke vil endre seg som følge av prosjektet, forklarer Torgersen.  

Fra før av bruker Bane NOR sensorer for å finne feil før det feiler i sporveksler og sporfelt. Dette har hatt god effekt, både med tanke på oppetid og smartere bruk av tid og kostnader for vedlikehold.

– Bruk av moderne teknologi som kunstig intelligens og maskinlæring i tradisjonelle virksomheter som jernbane er viktig for å imøtekomme fremtidens transportbehov. Jernbanen utvikles og digitaliseres for å sørge for et bedre tilbud for folk flest. Vi er takknemlig for støtten fra Norsk forskningsråd og stolt av at de satser på dette prosjektet, avslutter Sverre Kjenne, konserndirektør Digitalisering og teknologi i Bane NOR.


Publisert: 14. mai 2020 klokken 12:20

Oppdatert: 2. mars 2023 klokken 02:01