工業物聯網（IIoT）問世後，企業可以從過去無法擷取資料的地方，收集大量的資料，並探索可提升生產力的新方法。藉由從現場設備和機具取得效能和環境資料，企業現在可自由運用更多的資訊，因此可做出更明智的商業決策。然而，IIoT 提供的資料量，已經遠超出人類所能處理的量，因此大多數資料均未經分析，就這麼白白浪費了。有鑑於此，企業和產業專家轉而使用人工智慧（AI）和機器學習（ML）解決方案，以獲得更全面的視野，更快做出更聰明的決策。

讓列車在軌道上行駛，知易行難

所有的鐵道列車 — 不論是跨越不同城市的火車，或是市區內的大眾運輸系統 — 都需在鐵軌上行駛，因此這些鐵軌必須根據標準規格隨時進行校正，以便永保筆直並維持正確的間距。如果軌道歪斜，列車可能因而出軌，釀成慘劇。這就是為什麼您常常會看到一些支撐物（稱為枕木）被垂直地放置在軌道下方。為確保列車平穩地行駛，鐵軌需要用鐵釘、螺絲或鉚釘等鋼軌扣件，牢牢地固定在枕木上。由於列車車輪和鐵軌會頻繁地磨擦並產生震動，再加上自然環境的侵蝕，經過一段時間後，鋼軌扣件會開始疲乏並損壞。為此，您必須定期檢查並修復鋼軌扣件，確保列車能安全行駛。

一家位於東亞的大型都會區鐵路公司，積極尋覓一個更有效率的方法，讓他們能夠輕易檢視大眾運輸系統中，用於固定數千公里鐵軌的大量鋼軌扣件。這個大眾運輸系統位於地震頻繁的環太平洋火山帶上，任何一絲的安全風險，都會造成重大傷亡。然而，列車行駛和高承載流量，會產生持續的震動，使得鋼軌扣件經過一段時間後就會磨損。通常，當某一線列車結束運載服務後，軌道管理處會派出維修工程師，以肉眼檢查是否有鬆脫的鋼軌扣件。如果發現有鬆脫或是損壞情形，就必須在列車再次於軌道上行駛之前儘速完成修復。

使用 AIoT 進行更快、更準確的故障檢測

在列車停駛時段以肉眼檢查軌道，是件極為耗時的工作，而人力疲勞也很容易造成疏忽，因此該公司決定部署一套 AI 邊緣運算解決方案，以便透過電腦視覺技術，加速進行鋼軌扣件的檢查工作。具體而言，此運輸系統營運商想要一套適用於鋼軌扣件系統的客製化 AI 推論模型，其物件辨識功能可在列車行駛期間檢視鋼軌扣件，讓工程師能在前一班列車離開後，跟下一班列車到達前的這段時間，儘速完成維修。用於檢視鋼軌扣件的 AI 推論模型，其邊緣電腦必須具有強大的運算效能、可擴充的影像資料儲存空間、可納入狹小機櫃的輕巧體積和無風扇設計，以及寬溫操作範圍，並需符合 EN 50155 標準，以支援軌道應用。

解決方案

第一步是在列車車廂下方安裝高解析度攝影機，讓系統可以在列車載客行駛時，取得鋼軌扣件的即時影像。接著影像資料會被傳送到車上的邊緣電腦，以便針對鋼軌扣件的毀損狀況，進行影像處理和物件辨識。該公司最後選擇使用 Moxa V2406C 系列鐵路電腦，因為它體積輕巧，配備 Intel^® Core™ i7處理器，具有充足的運算能力，以執行經過訓練的 AI 推論模型。另外，V2406C 具備低功耗特性，並可在 -40 至 70°C 的寬溫範圍運作。最後，V2406C 支援 Intel^® OpenVINO™ 工具套件，並配有兩個 mPCIe 插槽，可用於安裝 Intel^® Movidius™ VPU 模組，以加速執行影像辨識運算和邊緣 AI 推論。藉由將人工肉眼檢查，改成在營運時段進行即時 AI 視覺檢查，該運輸系統的運作效率獲得大幅提升，而維護成本也顯著下降。