Syftet med detta forskningsprojekt är att kartlägga nuvarande manuella metoder för inspektion av järnvägsslipers och att föreslå automatiska metoder för denna uppgift. Manuell inspektion går till så att operatören som ansvarar för övervakning av spåren undersöker varje sliper visuellt för att se om den har sprickor. Vid behov kan en närmare undersökning ske på plats, exempelvis genom att man med en yxa slår mot träbalken och bedömer tillståndet i träbalken genom att lyssna till det ljud som uppstår. En träbalk i gott skick producerar ett klart och tydligt ljud, medan rutten eller dålig balk ger ifrån sig ett dovt ljud. I tveksamma fall kompletterar man ljudinformationen med den information ett tränat öga kan se för uppnå en entydig klassificering.
I projektet studeras datorstödda metoder för klassificering av slipers utifrån bild- och ljudinformation. Flera icke-förstörande testmetoder undersöks, t ex akustik analys, bildanalys, ultraljud för att avslöja viktig information om slipern. För den vidare automatiseringen använder man metoder som går under beteckningen artificiell intelligens, t ex mönsterigenkänning, oskarp logik och expertsystem. Dessutom används signalbehandling för att förbearbeta den ursprungliga ljud- och bildinformationen.
Projektet bedrivs med finansiering från KK-stiftelsen.
Yella, Siril, Shaik, Asif ur Rahman, Dougherty, Mark. Pattern recognition for classifying the condition of wooden railway sleepers, Multimedia Computing and Information Technology (MCIT), 2010 International Conference on Multimedia Computing and Information Technology : 2010. Konferensbidrag : refereegranskat.
På du.se använder vi kakor (cookies) för att ge dig en bra upplevelse på vår webbplats. Med hjälp av webbanalys kan vi anpassa webbplatsen ytterligare. Genom att surfa vidare godkänner du att vi använder kakor.
