京滬高速鐵路全長1318km，最早一班高鐵7：00出發，最晚一班高鐵23：23到達。從2011年到2021年，京滬高鐵傳送旅客的數量超過11億人次。為什麼高鐵沒有大規模開行“夕發朝至”？因為高鐵在晚上需要檢修。

凌晨0點至4：30，也被稱為高鐵檢修的“天窗時間”，在這一時間段內，高鐵綜合維修人員往往要頭頂星空，扛著幾百斤的接地線，順著高鐵軌道，扶著長長的梯車爬上接觸網支柱旁，一顆螺絲一顆螺絲地檢查潛在的隱患，每處理掉一個隱患，乘客的生命安全就得到多一分保障。

過去，完成一次人工全線巡檢，要花費3年的時間；後來，4C接觸網檢測車投入運營，拍照代替了人工巡檢，讓檢測時間縮短到一個季度一次，但是仍然需要依賴純人工方式完成每張照片的分析和判斷。直到2019年，當採用AI技術的“星空”智慧分析系統在京滬高鐵全線應用後，藉助AI技術分析已拍攝的照片，完成一次例行巡檢只需要短短4天。

據商湯科技“星空”系統商務負責人馬駿介紹，三方從2017年開始，探索將AI技術應用到高鐵接觸網檢測領域，2019年投入研發，最終在京滬高鐵全線落地，實現了高鐵4C檢測的智慧化，“接觸網維修師傅每天在夜幕的星空中工作，無畏嚴寒酷暑、無懼艱險辛苦，守護了高鐵的安全執行，這種精神也鼓舞了參與專案的每一個人，大家最終決定將智慧分析系統命名為‘星空’”。

從北京到上海，乘客安全出行的背後，辛苦工作的高鐵運維人員與最先進的科技系統，正在默默守護我們的安全。

從“望聞問切”到“看CT”

“如果拿醫生作比喻，過去高鐵巡視員的工作就好像中醫，需要‘望聞問切’，當4C裝置上線後，高鐵就有了‘眼睛’，檢測人員的工作也變為了‘看CT’。”中鐵電化院副總工程師、京滬高鐵接觸網設計負責人黎鋒對新京報記者表示。

據瞭解，高鐵運維的一個重要專案就是高鐵接觸網，其是沿鐵路線上空架設的向電力機車供電的線路，包括供電杆、接觸線、吊弦等。接觸網一旦停電，會對列車的供電產生影響。如今年5月，受大風天氣影響，高鐵接觸網掛異物，曾導致數十趟列車晚點、停運。

4C接觸網檢測車車頂均勻分佈了32個攝像頭，以80公里時速執行過程中依靠紅外感應，全方位對接觸網零件進行抓拍。在檢測車拍攝的圖片裡，檢測工程師可以看出螺栓鬆動、絕緣子破損、吊絃斷裂等多種部件的顯性缺陷，彷彿“看CT”的醫生。在京滬高鐵維管公司，負責“看CT”的團隊有20人，每天對4C裝置上傳的照片進行分析，中鐵電化局“星空”系統負責人李曌宇告訴記者，每年他的團隊需要分析約1200萬張圖片。

這種檢測不光考驗眼力，同時還考驗業務能力，對於高鐵接觸網潛在隱患的檢測，往往需要工作多年、經驗豐富的檢測工程師進行判斷。“過去檢測工程師的培訓一般需要6到8年。”京滬高鐵維管公司檢測中心副主任朱海燕告訴新京報記者。而且“看圖”並非一件清閒的事情，平均每人每年60萬張圖片的瀏覽量對工作人員的視力、心理等都存在考驗，“如果一直幹分析照片的活兒，可能第一年員工會覺得新鮮，第二三年重複一樣的工作對員工的積極性就會是一種消耗。”

有沒有一種方法讓“老師傅”的經驗可以快速讓新手也學會呢？

讓新員工檢測效率超過“老師傅”

在中鐵電化局京滬高鐵維管公司的“供電AI視覺分析研發中心”辦公室，不少檢測員正對著電腦檢視4C系統拍攝的圖片，新京報記者發現，其中有不少是剛畢業的“90”後甚至“95”後。

“我們最年輕的員工有剛畢業今年7、8月份入職的，但在檢測零部件缺陷上，他可能幹得比擁有7、8年經驗的老師傅還要好。”李曌宇對記者介紹。

據瞭解，這得益於採用商湯科技提供的AI視覺檢測分析技術的“星空”智慧分析系統在京滬高鐵全線的應用。

新京報記者瞭解到，在AI賦能各行各業越來越廣泛的當下，使用人工智慧技術幫助判斷高鐵接觸網存在的問題，是一個重要的研究方向，AI學習所需要的海量圖片，與4C裝置每年提供的大量圖片“不謀而合”，而AI的高效率也可以減輕人工看圖的負擔。

“使用AI分析接觸網的課題從2017年開始，我們與合作方人工智慧公司商湯科技經歷了兩年的前期調研，2019年5月科研專案正式啟動，”李曌宇告訴新京報記者。2020年6月，“星空”系統完成人機對抗賽，驗證演算法在小部件（螺母、開口銷）的檢測效果上顯著優於人工，產品檢測效率上達到人工效率的3倍。截至2021年6月，“星空”系統模型版本進行了5次升級，可識別101類零部件， 57大類缺陷。

與商湯科技合作應用人工智慧技術的“星空”系統解決了人工看圖的幾大痛點，李曌宇告訴記者，“檢測人員水平及分析標準參差不齊，在一次人人分組檢測測試中，我們原以為，不同組人看同一組圖片後，人與人之間檢出故障的重疊率應該在60%~70%，但沒想到最終重疊率僅有20%，這說明我們急需一個統一的標準；此外，除了龐大的圖片以外，每張圖片存在30個以上缺陷檢測點數，透過人工檢測需要對每個缺陷逐一放大分析，極易存在漏檢的風險。”

引入“星空”系統後，在AI的幫助下，人工僅需複核，大大提升了檢測質量和效率。

李曌宇告訴記者，在“星空”系統的幫助下，高鐵接觸網的圖片檢測以智慧識別+人工複核的形式進行，檢出疑似缺陷數量可達到純人工數量的3到8倍。這樣，檢測員只需要複核AI查找出的圖片，即便是沒有豐富現場經驗的檢測員，也可以一下子從事培訓6-8年的老師傅才能從事的工作。

“火眼金睛”是怎樣煉成的？

如果說4C裝置讓高鐵長了一雙“眼睛”，那麼“星空”系統則無異於將這雙眼睛鍛鍊成了“火眼金睛”。

做到火眼金睛，並非一朝一夕。“AI產品需要尊重行業，要將技術與行業知識、人工經驗相結合。“星空”系統在設計中，考慮了高鐵接觸網超過上百類零部件的安裝和緊固方法。產品設計上參照行業標準，結合專家經驗，定義出如鬆動、缺失、斷裂、卡磨、損傷等型別。將這些定義好的資料，送入計算機進行訓練，才能教會計算機識別缺陷。此外產品上設計了反饋機制，可以使產品更快地學習成長。”商湯科技星空產品負責人肖旭介紹。

“在演算法技術上，為了適配高鐵接觸網的複雜場景，商湯融合了傳統視覺演算法和深度學習演算法，並使用超算平臺不斷迭代最佳化演算法效能”，商湯科技“星空”演算法研發負責人暴天鵬介紹，“比如吊絃斷裂這一個故障點，吊絃斷裂的樣本極度缺乏，如果採用傳統演算法檢出率只能在73%，純深度學習檢出率在83%，最後我們將二者相結合，將檢出率增加到了95。37%；而對於吊弦硬彎缺陷的檢測，我們採取了多級篩選演算法，確保吊弦硬彎的檢出率超過99%。”

事實上，機器學習所需的運算量超乎常人想象，商湯科技系統架構副總監宋劍鋒告訴新京報記者，“目前梳理出來需要識別的接觸網缺陷項點高達上千種，這需要用到基於SenseCore 商湯 AI 大裝置的超算平臺。SenseCore商湯AI大裝置可以推動通用型技術的研發，打通算力、演算法和平臺，實現高效率、低成本、規模化，推動人工智慧進入工業化發展階段。該平臺由上萬塊專業GPU組成，一分鐘就可完成臺式電腦數年的運算。”

隨著“星空”系統資料的不斷積累，也讓預測未來可能發生的故障成為了可能。透過“空間定位”、“一杆一檔”等辦法，“星空”系統可以準確定位每一根支柱的杆號，並建立資料檔案進行管理。“這樣，在分析出過故障的零部件時，我們可以回溯過去一段時間這個零部件是否存在即將出故障的趨勢，以此類推，未來我們將可能提前預測發生的故障。”李曌宇告訴記者。

“目前，除京滬高鐵外，我們還學習了其他鐵路段的高鐵，也取得了顯著的效果。”李曌宇說，“截至目前，星空系統分析的全國高鐵超過3萬公里，圖片數量超過4800萬張，零部件數量超過13億個。隨著資料不斷積累，神經網路的不斷最佳化，人工智慧不斷成長，還有更多的應用場景等著我們去探索。”

“安全執行好不好，就看運維是不是高效，然而隨著高鐵的大規模建成開通，白天執行夜間檢修的高鐵運營模式，日益增大高鐵運營檢修壓力。”黎鋒告訴新京報記者，“也正是這些開發者創造出的‘星空’系統，使得運維人員不再頭頂星空‘望聞問切’，而是可以有效利用 ‘天窗時間’對接觸網進行高效、精準維護，也讓檢測人員能在另一片‘星空’之下更好守護乘客的安全。”

如今，“星空”系統已經在京滬高鐵全線應用，為高鐵的執行安全、旅客的出行便利，做著默默貢獻，也讓常年工作在“星空”下的維修人員多了一份安心和陪伴。對於中國高鐵智慧化巡檢的未來發展，黎鋒表示：“我們將行業領先的AI技術賦能到高鐵接觸網檢修，精準助力中國高鐵實施預測性維修、提升高鐵品質，展現了中國企業的創造力和競爭力。未來隨著‘星空’系統的廣泛推廣，還將紮實助推中國高鐵走出去戰略。”

文/羅亦丹 編輯 宋鈺婷 校對 劉軍