Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/38589| Título: | Sistema de inspeção de talas de junção ferroviárias via computação de borda |
| Título(s) alternativo(s): | Rail joint inspection system using edge computing |
| Autor(es): | Queros, Ian Douglas Almeida |
| Orientador(es): | Lopes, Heitor Silvério |
| Palavras-chave: | Visão por computador Sistemas embarcados (Computadores) Ferrovias - Inspeção Barras de junção de trilhos Computer vision Embedded computer systems Railroads - Inspection Rail joint bars |
| Data do documento: | 11-Dez-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | QUEROS, Ian Douglas Almeida. Sistema de inspeção de talas de junção ferroviárias via computação de borda. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2023. |
| Resumo: | Acidentes ferroviários podem causar grandes prejuízos financeiros e ambientais, além de colocar em risco a vida de pessoas. Um objeto de grande importância para a segurança ferroviária são as talas de junção, que são peças de aço ajustadas e fixadas, aos pares, na junta dos trilhos para assegurar a continuidade da superfície de rolamento da via. Porém, sua inspeção é realizada de forma manual, necessitando de considerável alocação de recursos humanos e financeiros. Este trabalho consiste no desenvolvimento de um sistema para identificação e análise de talas de junção ferroviárias por meio de técnicas de visão computacional e aprendizado profundo. O sistema é composto por uma câmera montada à frente da locomotiva, sistema de GPS, e unidade de processamento, todos embarcados na locomotiva, onde ocorre todo o processamento dos dados capturados. Também, diferentes técnicas de otimização de modelos de aprendizado profundo foram utilizadas para possibilitar a implementação do sistema em dispositivos de baixo custo energético. Por fim, o sistema foi validado com dados reais de uma malha ferroviária e obteve-se uma acurácia acima de 90% na localização geográfica das talas de junção e uma acurácia acima de 90% para a análise de erros nas talas de junção rastreadas. |
| Abstract: | Railway accidents can cause significant financial and environmental damage, in addition to putting people’s lives at risk. A crucial component for railway safety is the rail joint, which are steel pieces adjusted and fixed in pairs at the rail tracks to ensure the continuity of the track’s rolling surface. However, their inspection is currently carried out manually, requiring considerable human and financial resources. This project involves the development of a system for the identification and analysis of rail joints using computer vision and deep learning techniques. The system consists of a camera mounted at the front of the locomotive, a GPS system, and a processing unit, all embedded on the locomotive, where all captured data is processed. Additionally, various optimization techniques for deep learning models were employed to enable the implementation of the system on low-energy-cost devices. Ultimately, the system was validated with real data from a railway network, achieving an accuracy above 90% in the geographical localization of the rail joints and an accuracy above 90% for the analysis of errors in the tracked rail joints. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/38589 |
| Aparece nas coleções: | CT - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| talas.pdf | 18,02 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
