Обзор обнаружения дефектов на основе аудио- и видеоданных с использованием глубокого обучения в техническом обслуживании железнодорожного транспорта

A Survey on Audio-Video Based Defect Detection Through Deep Learning in Railway Maintenance
Stefano Marrone, Carlo Sansone, Francesco Flammini, Lorenzo De Donato, Roberto Nardone, Valeria Vittorini, Claudio Mazzariello
2022-01-01

аудиовизуальные датчикиглубокое обучениеобнаружение дефектовпредиктивное техническое обслуживаниетехническое обслуживание железных дорог
В области искусственного интеллекта глубокое обучение (DL) представляет собой парадигму, демонстрирующую беспрецедентную эффективность при обработке изображений и аудиоданных, позволяя поддерживать человека или даже заменять его при обнаружении дефектов и аномалий. Ожидается, что железнодорожный сектор получит преимущества от применения DL, особенно в задачах прогнозного технического обслуживания, где могут использоваться интеллектуальные аудио- и видеосенсоры, оставаясь при этом отделёнными от функций, критичных с точки зрения безопасности. Такое разделение имеет решающее значение, поскольку позволяет повысить надёжность системы без влияния на её сертификацию безопасности. Это также подтверждается развитием DL в других транспортных отраслях, таких как автомобилестроение и авионика, что создаёт возможности для передачи знаний и подчёркивает потенциал данной парадигмы в железнодорожной сфере. С целью обобщения современного состояния исследований и изучения будущих возможностей в статье рассматриваются подходы на основе DL к анализу данных, получаемых от акустических и визуальных сенсоров, в приложениях для технического обслуживания железнодорожного транспорта, опубликованные до 31 августа 2021 года. Текущее состояние исследований изучается и оценивается с использованием структурированного и систематического метода, позволяющего выделить перспективные подходы и успешные приложения, определить доступные наборы данных, а также выявить существующие ограничения, нерешённые вопросы и проблемы и сформулировать рекомендации относительно направлений дальнейших исследований.
1
Глубокое обучение для аудио- и видеоданных демонстрирует потенциал обнаружения дефектов и аномалий на железных дорогах, поддерживая или потенциально заменяя человеческую инспекцию при прогнозном обслуживании.
2
Перенос знаний из автомобильной и авиационной отраслей создает возможности для развития систем обслуживания железнодорожной инфраструктуры на основе глубокого обучения.
3
Отделение интеллектуальных аудио- и видеосистем от критически важных функций железнодорожной безопасности может повысить надежность без влияния на сертификацию безопасности.
4
В статье систематически рассматриваются методы глубокого обучения для акустических и визуальных данных в обслуживании железных дорог, опубликованные до 31 августа 2021 года.
5
Обзор выявляет перспективные методы, успешные применения, доступные наборы данных, ограничения, нерешенные проблемы и направления будущих исследований.

данные аудио- и видеодатчиков в приложениях для технического обслуживания железнодорожного транспорта

подходы, приложения, наборы данных, ограничения и перспективы дальнейших исследований в области обнаружения дефектов и аномалий на основе глубокого обучения

Publication Details
Publication Date
2022-01-01
Journal
Publisher
ISSN
Cited by
48
Access Type
Author Information
Authors
Stefano Marrone
Carlo Sansone
Francesco Flammini
Lorenzo De Donato
Roberto Nardone
Valeria Vittorini
Claudio Mazzariello
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%