机器视觉网：机器视觉与铁路安全

        美国Lac Megantic 和Bronx Metro-North两起铁路事故，一共造成了51人的死亡，激发了针对铁路安全性改进的紧急呼吁。事故调查后发现，这两起事故很大程度上是可以避免的，因此，人们亟待更加有效的安全检测手段。在Bronx Metro-North铁路出轨后，美国的议员提议联邦铁路管理局，要求在所有的列车上安装高速摄像机，来记录司机的行为、不安全的铁轨情况和可能发生的事故。仔细检查列车和铁路是否损伤是铁路安全的关键，并可预防进一步灾难性事故发生。

        自动检测意味着更高的效率

        美国联邦铁路管理局的安全性分析办公室调查表明，铁轨缺陷是导致铁路事故的第二大原因。为什么呢? 历史上铁路检测行业中检测设备的状况都包含通过人工检测的步骤。因此，这类检测耗时、昂贵，且不能达到更高的安全标准。

        在Lac Megantic的案例中，事故调查发现有18项关键因素导致这场灾难，包括严格铁轨边角剪切范围要求、铁路铁轨亟待更频繁的检测。而对于利润率越来越紧的铁路行业，这些都是挑战。经常检测铁路需要更多设备的服务、成本和时间，并且检查的质量和范围存在短板。

        机器视觉提供解决方案

        机器视觉技术为铁路自动监测系统提供了一种可能，系统通过使用多种成像技术可以记录和报告列车、铁轨和基础设施的状况。通过检查铁轨、机车和车辆的缺陷可以提高铁路安全性、可靠性和服务质量。

        对这一领域需求研发了高速铁路路轨磨耗实时检测系统，该系统是应用于普通铁路、高铁、地铁、城铁等多种环境下的车载路轨状态监测系统，系统依据光学测量方法对路轨的状态进行检测与评估，主要对路轨磨耗、伤损等情况进行数据还原，为维护铁轨线路运行安全提高检测效率提供可靠的保障。

       机器视觉技术使铁路检测自动化，提高了检测的质量和速度，同时降低了整体成本。机器视觉技术为智能交通运输系统提供了快速的自动检测、评估、记录和传输关于铁路设备和部件的各种详细信息。

更多资讯请见：http://www.visionsystem.cn