KI hilft bei der Erkennung von Infrastrukturdefekten

Künstliche Intelligenz kann dazu beitragen, die Sicherheit im Schienenverkehr zu erhöhen, indem sie automatische Inspektionen von Gleisen, Schwellen, Schotter und Stützmauern ermöglicht. Forschende des EPFL-Labors Intelligent Maintenance and Operations Systems (IMOS) haben eine KI-basierte Methode entwickelt, welche die Risserkennung in Betonstrukturen effizienter macht. Ihre Forschungsarbeit, die kürzlich in der Fachzeitschrift Automation in Construction veröffentlicht wurde, stellt eine neue Methode vor, die erklärbare künstliche Intelligenz (KI) verwendet, eine Form der KI, die es dem Benutzer ermöglicht, die Grundlage der KI-Entscheidungen zu verstehen.

«Wir haben einen Algorithmus darauf trainiert, zwischen Bildern mit und ohne Risse in Betonwänden zu unterscheiden. Dazu haben wir ihn mit Hunderten von Beispielbildern aus beiden Kategorien gefüttert. Dann haben wir den Algorithmus gefragt, anhand welcher Pixel er seine Entscheidung getroffen hat», erklärt Florent Forest, Wissenschaftler am IMOS-Labor und Hauptautor der Studie. Der Algorithmus identifizierte erfolgreich die Pixel, die Risse darstellten. «Mit unserem Ansatz können die Nutzer den Algorithmus mit Bildern füttern, die über mehrere Jahre hinweg von einem Gleisabschnitt – oder von jeder anderen Art von Infrastruktur, die regelmässig inspiziert wird – aufgenommen wurden, und ihn bitten, den Schweregrad von Rissen in Wänden und Querträgern im Laufe der Zeit zu quantifizieren. Das hilft den Infrastrukturbetreibern, ihre Instandhaltung effizienter zu planen», sagt er.

Derzeit prüfen die Bahnbetreiber den Zustand der Infrastruktur wie beispielsweise Stützmauern regelmässig nach vorgegebenen Kriterien. Erfahrene Inspektoren bewerten dabei den Zustand. Dieses Verfahren ist jedoch anfällig für subjektive Einschätzungen und macht es schwierig, Veränderungen im Laufe der Zeit nachzuvollziehen, insbesondere wenn verschiedene Inspektoren denselben Infrastrukturabschnitt zu unterschiedlichen Zeitpunkten begutachten.

Dank der Fortschritte in der Digitalisierung können die Betreiber den Gleiszustand mit einem speziellen Überwachungswagen überwachen, der mit verschiedenen Messgeräten sowie Seiten- und Bodenkameras für die visuelle Inspektion von Schienen, Betonschwellen und Stützmauern ausgestattet ist. Durch den Einsatz dieser KI-gesteuerten Systeme zur Quantifizierung des Schadensausmasses kann der Inspektionsprozess automatisiert werden, was ihn objektiver und genauer macht und einen Vergleich im Zeitverlauf erleichtert.

Das Forschungsteam der EPFL wird seine Methode auf den Bahnstrecken zwischen Zermatt und Brig sowie zwischen Brig und Disentis testen. Diese Streckenabschnitte umfassen eine Reihe von Stützmauern unterschiedlicher Formen und Materialien, was die Aufgabe für den Algorithmus erheblich erschwert. Das Team hat bereits Drohnenbilder und Bilder des Überwachungswagens gesammelt und wird den Bahnbetreiber mit seinem KI-Algorithmus dabei unterstützen, seine Infrastruktur häufiger und systematischer zu überwachen.