Les inspections des voies ferrées pourraient ainsi gagner en efficacité, écrit l'Ecole polytechnique fédérale de Lausanne (EPFL) mercredi dans un communiqué.
Actuellement, les lignes ferroviaires sont généralement inspectées manuellement par des spécialistes qui évaluent l'état des infrastructures telles que les murs de soutènement ou les traverses en béton sur la base de critères définis. Cette méthode comporte toutefois un risque d'évaluation subjective, car les inspecteurs peuvent évaluer les dommages de manière divergente à différents moments.
Entraîné avec des images de fissures
Pour résoudre ce problème, l'équipe de recherche emmenée par Florent Forest a entraîné un algorithme d'intelligence artificielle à faire la différence entre les images avec fissures et les images sans fissures.
Cet algorithme peut maintenant être alimenté par des images prises sur plusieurs années d'un tronçon de chemin de fer et quantifier la gravité des fissures dans les murs et les traverses au fil du temps. Dans cette étude, publiée dans la revue Automation in Construction, les auteurs ont montré que cette méthode de surveillance fonctionne.
Les prochains tests de l'IA porteront sur les lignes ferroviaires entre Zermatt et Brigue ainsi qu'entre Brigue et Disentis (GR). Ces tronçons comportent une série de murs de soutènement de formes et de matériaux différents, ce qui rend la tâche de l'algorithme très exigeante, note encore l'EPFL.