Grâce à la technologie des drones, ROAV7 propose une solution pour l’inspection des voies de chemin de fer. Elle est notamment basée sur une analyse des images pour déterminer la position des traverses, pièces en bois posées en travers de la voie, et identifier leur état selon trois catégories : bon – moyen – mauvais. Le but de la mission réalisée par Sense4data a été d’automatiser la solution existante, manuelle et chronophage. Effectivement elle demande une intervention humaine pour construire une bordure à quatre côtés entourant chaque traverse (appelé « mask ») puis une réflexion experte pour déterminer son état selon les trois classes. 

Une annotation manuelle chronophage… 

Vers une soluton IA automatisée…

Sense4data s’est appuyée sur ses connaissances en intelligence artificielle et en computer vision pour répondre à la problématique et a fourni une solution basée sur l’apprentissage supervisé. Le principe est de construire un modèle, qui à partir d’observations annotées élabore des règles de décisions lui permettant de prédire sur des nouvelles observations. L’accès à un jeu de données labellisé est donc essentiel. ROAV7 a mis à disposition 26337 images de traverses sur lesquelles les « masks » les entourant ont été construits manuellement. De plus, chaque traverse a été annotée selon 3 classes : bon, moyen ou mauvais état. 

Les algorithmes de computer vision traitent les images comme de grands tableaux dont chaque case représente l’intensité du pixel selon les couleurs rouge, vert et bleu. Plus la valeur du pixel est grande, plus la couleur sera prononcée (0 correspondant à du blanc). Des opérations mathématiques peuvent alors s’appliquer au sein de réseaux de neurones. Sense4data a construit un modèle de deep learning qui permet de déterminer dans l’image quels sont les pixels qui appartiennent à une traverse, et donc en second temps, délimiter les surfaces qui correspondent aux traverses. En moyenne, près de 92% des surfaces sont correctement détectées par l’algorithme ce qui représente moins de 30 cm d’erreur en largeur et longueur. Performances tout à fait acceptable pour indiquer l’emplacement de la traverse sur une carte géo-référencée.

Une fois la traverses détectée, il s’agit de reconnaître son état. Sense4data a développé un second modèle de réseaux de neurones qui vise à définir pour chaque traverse si elle appartient à la classe mauvais, moyen ou bon état. Après discussions avec l’équipe métier, il s’avère qu’en pratique le plus important est de surtout ne pas commettre d’erreurs pour les traverses qui doivent être changées par l’équipe de maintenance. En sélectionnant astucieusement les prédictions sur lesquelles le modèle est sûr de lui, l’algorithme atteint plus de 97% de performance. Concrètement, sur 1000 traverses, 750 sont traitées automatiquement : le modèle a manqué uniquement 12 traverses qui étaient à changer et en détecte 9 en trop (moins pénalisant). Cela permet d’alléger considérablement l’annotation manuelle, à réaliser sur les 250 traverses restantes.

Sense4data a développé une solution directement intégrée dans le processus d’inspection ferroviaire par drone, mis en place par ROAV7. Ce travail s’est concentré sur la détection et l’analyse de l’état des traverses, mais il peut s’étendre à de nombreux cadres d’application :

• l’état des portiques et l’alignement des caténaires

• le volume, la répartition, l’état et le profil du ballast

• la taille des joints entre les rails

• la hauteur et le profil de la végétation envahissante

• …

Plus généralement, grâce aux outils IA au niveau de l’état de l’art pour la computer vision, Sense4data est capable de fournir des solutions automatisées « clef en main » pour aider les équipes sur les tâches répétitives et chronophages. Ces compétences peuvent s’appliquer à d’autres types d’images / vidéos et notamment pour des problématiques de maintenance. ROAV7 propose ses services d’inspection par drone dans les secteurs de la pétrochimie, de l’industrie, des énergies aussi bien pour le nucléaire, que pour le solaire et l’éolien, mais également pour tous types d’infrastructures industrielles. 

Pour en savoir plus sur le panel de compétences au sein de Sense4data, rendez-vous sur notre site. Suivez nous également sur LinkedIn.

Article rédigé par Bertrand Beaufils, Data scientist manager & Product manager.