一种基于智能手机的新型应用程序提供了一种从服务列车上检查轨道的低成本方法，而一种新的评估系统将深度学习应用于从火车前部捕获的图像，以检测木枕木和轨道紧固件等轨道部件的损坏情况。

该应用程序专为运行 Apple iPhone 操作系统 (iOS) 的智能手机而设计，应用程序内的测量屏幕设计直观且易于使用，使工作人员能够在乘坐服务列车驾驶室时记录测量结果。智能手机使用吸盘固定在驾驶室挡风玻璃上。安装时间应少于 3 分钟，完成后可立即进行测量。

该应用程序使用智能手机内置的全球定位系统 (GPS) 接收器测量火车的速度并确定其位置。它还使用智能手机的运动传感器测量三个轴上的加速度和角速度，并使用后置摄像头和麦克风捕捉视频和音频。该应用程序支持最高质量为 60 帧/秒 (fps) 和 4K 分辨率的带声音视频录制。

测量列车振动的装置通常安装在转向架上方的车身上，但这个位置的 GPS 信号较差。将智能手机安装在列车前部不仅可以改善 GPS 信号，还可以记录从车厢看到的轨道景象。

摄像机拍摄的图像包含列车目视检查过程中需要检查的许多项目。此外，可以根据测量的加速度而不是驾驶室的乘坐感觉来评估列车振动，并且这些数据可以以数字格式显示。由于智能手机能够同时进行许多不同的测量，因此可以从驾驶室拍摄的视频片段可以叠加沿线行驶的公里数等信息。

显示地理数据可以轻松检查发生显著加速度的位置的轨道状况，并且可以在办公室检查相应的视频。通过实现自动测量功能，可以进一步改进应用程序的功能。

RTRI 开发的用于评估轨道部件状况的系统利用智能手机摄像头从驾驶室拍摄的视频图像，并使用深度学习模型检测轨道部件（例如枕木和扣件系统）并确定其损坏程度。应用投影变换过程从正面图像创建鸟瞰图。该系统可以确定木枕的损坏程度，检测轨道接头并识别泥浆泵送。

得到的结果以抽取判定图像的形式输出，可使用专用查看器和文本格式的分类账进行检查，从而可以规划移除缺陷部件的工作。为确保高准确度，由轨道维护工程师进行了构建深度学习模型的注释工作。

组件状况

图 1：评估系统能够识别轨道组件故障，包括上图中木枕木的损坏程度。

图 1 显示了系统用于评估轨道部件状况的图像示例。该系统之前曾应用于使用 4K 摄像机拍摄的图像，但在本例中，图像是使用新 RTRI 应用程序通过智能手机拍摄的。绿色框表示混凝土枕木，粉色框表示轨道扣件，红色框表示已损坏的木质枕木。木质枕木的损坏程度可分为五类。

此示例表明，如果成像条件良好，即使使用智能手机拍摄的图像也可用于评估轨道部件的状况，其精度可与 4K 摄像机相媲美。事实上，轨道扣件的识别准确率超过 95%，枕木的识别准确率超过 85%，木质枕木的劣化程度超过 75%。未来的工作将涉及增加系统可以检测的轨道部件类型和状况的数量，并进一步提高其准确性。

由于成本低廉，这款智能手机应用程序甚至适合小型区域铁路使用。从火车驾驶室拍摄的视频可以在办公室稍后通过添加其他信息（例如行驶距离）进行检查。评估系统可以根据既定标准评估轨道组件的状况，而无需熟练的工程师。为了减少轨道维护所需的技能并降低劳动力成本，RTRI 将继续开发支持数字化的技术并提高铁路维护和管理的效率。