工業技術研究院

技術簡介

軌道產業中，車輛維修資料呈現多元的格式，包括手寫記錄、圖型、照片以及系統資訊等。這樣的多模態數據使得分析零件的健康狀態、進行故障預測以及提前發出告警變得相當複雜。為因應這一挑戰，本研究計畫將建立列車零件健康度模型與列車零件資料庫，以整合各種可能的故障模式多樣性資料並預測和發出告警，使得軌道產業能夠建立更為靈活的車輛維修風險預警機制，實現快速反應和備援機制。透過提前淘汰高風險零件，以提升軌道交通的整體安全性。

Abstract

In the rail industry, vehicle maintenance information is presented in a variety of formats, including handwritten records, drawings, photographs and system information. Such multimodal data make it quite complicated to analyze the health status of components, predict failures, and issue alerts in advance. In order to meet this challenge, the railway industry will be able to establish a more flexible vehicle maintenance risk early warning mechanism, rapid response and backup mechanism. Improve the overall safety of rail transit by eliminating high-risk components in advance.

技術規格

系統開發環境規格Python 3.8

Technical Specification

Development Env. Python 3.8

技術特色

透過AI自動檢測，大幅提升軌道列車ECB煞車碟盤裂痕檢測的效率與準確度，確保行車安全。

應用範圍

軌道業、製造業

接受技術者具備基礎建議（設備）

電腦主機：至少含一片VRAM ≥48GB GPU 鏡頭規格：IMX415 Sensor、4K(3840x2160)、60fps、長度 ≤ 5cm 邊緣運算主機：NVIDIA® Jetson Nano等級以上

接受技術者具備基礎建議（專業）

具資訊及軟硬體工程專業背景

聯絡資訊