Automating Condition Monitoring of Vegetation on Railway Trackbeds and Embankments

15 okt 2015 08:00
Torsdagen den 15 oktober 2015 disputerar Roger Nyberg med avhandlingen ”Automating Condition Monitoring of Vegetation on Railway Trackbeds and Embankments” på Edinburgh Napier University, Edinburgh, Skottland, UK.

- Syftet med forskningsprojektet var att undersöka hur vegetation längs med järnvägen kan mätas och kvantifieras av mänskliga bedömare och i vilken grad machine vision (datorseende) kan automatisera samma process säger Roger Nyberg.

- Effekterna av objektiv mätning/övervakning av vegetation längs järnvägen är att aktuellt tillstånd kan synliggöras för alla parter inom järnvägssektorn. Detta gör bl.a. att järnvägsunderhållet kan planeras bättre, upphandling av underhåll blir tydligare och mer kostnadseffektiv och hotade arter som växer längs med järnvägen kan undvika bekämpning, fortsätter Roger. 

Vegetation som växer på järnvägens spårområde och banvallar utgör potentiella problem. Förekomst av vegetation utgör en säkerhetsrisk för den personal som inspekterar och arbetar längs med spåren. Vidare kan vegetationen täppa till ballasten vilket resulterar i otillräcklig dränering av banvallen som i en förlängning skulle kunna leda till att banvallen kollapsar. Ett annat problem är under upphandling av underhåll (bestående i att kontrollera vegetation) där parterna (Trafikverket respektive potentiella underhållsentreprenörer) inte vet hur mycket vegetation som finns ute på sträckan eller området under upphandling. Man förhandlar om en ”svart låda”. Eftersom parterna bara hade en vag uppfattning eller inte alls kände till vegetationen omfattningen innan påskrift av avtal så blir också uppföljningar av arbetet mycket svåra. Ytterligare försvårande under utförandet och uppföljning av vegetationskontrollarbetet (t ex via mekanisk röjning eller avverkning eller kemisk bekämpning) är att Trafikverkets förordningar och handböcker oftast inte beskriver förekomst av vegetation kvantitativt utan snarare i subjektiva ordalag. Det blir då upp till den enskilde att avgöra i vilken mån arbetet är klart eller ej.

Mängden vegetation längs med järnvägen bedöms i huvudsak manuellt genom att göra visuella inspektioner längs med spåret eller genom att titta på inspelade videoklipp inspelade av underhållsfordon längs med järnvägen.

Som en följd av de beskrivna problemen identifierades behov av automatisk detektera och karakterisera vegetation längs med järnvägen. Detta skedde i nära samarbete med Trafikverket (via projektkoordinatorn lic. Jan-Erik Lundh) och järnvägsunderhållsentrepenören Scandinavian Trackgroup AB. Trafikverket är ansvarig för den långsiktiga planeringen av transportsystemet för all typ av trafik, såväl som för byggande, drift och underhåll av allmänna vägar och järnvägar. 

Data (främst bildsensordata) samlades in under fältexperiment längs med lätt trafikerade järnvägsspår. Med hjälp av insamlad bilddata genererades senare ytterligare data genom att låta mänskliga bedömare utföra visuella uppskattningar av vegetationens yttäckning och genom att räkna antalet plantor inom en fördefinierad yta.

Ibland skedde dessa bedömningar direkt ute i fält på banvallarna. Efter detta jämfördes graden av tillförlitlighet i att bedöma/mäta vegetationens utbredning mellan mänskliga bedömare resp. mellan mänskliga bedömare och maskinell bedömning via machine vision algoritmer. 

De övergripande resultaten av undersökningarna visade att mänskliga bedömare är sinsemellan inkonsekventa i sina bedömningar och kan därför betraktas som otillförlitliga. Resultaten i det pågående arbetet visar att användning av bilddata för att detektera vegetation är möjlig och skulle kunna utgöra basen för underhållsbeslut när det gäller planering för att kontrollera vegetation. De utvecklade machine vision algoritmerna för att kvantifiera vegetationens yttäckning kunde bearbeta och utvärdera 98% av insamlat bilddata. När det gäller algoritmer för att maskinellt klassificera trädväxter från bilddata klassificerades 95% av arterna korrekt.

Kontinuerlig övervakning genom objektiva mätningar som de som föreslås i avhandlingen gör att upphandlingsprocessen av underhåll kan förenklas. Både underleverantörer och den nationella järnvägsförvaltningen (Trafikverket) kan ta del av samma information (om vegetationens status) och därmed ha samma referensram innan de undertecknar underhållsavtal. Under och efter utfört underhållsarbete kan resultatet dubbelkontrolleras genom att jämföra mätningar före resp. efter. 

En mycket viktig fråga som uppkommer med ökande maskinell förmåga att känna igen arter är bevarande av den biologiska mångfalden. Biologisk mångfald längs med banvallar kan kartläggas och underhållas genom bättre och robusta övervakningsförfaranden.

Kontinuerlig övervakning av tillståndet hos vegetationen längs järnvägen rekommenderas starkt för att identifiera behovet av underhållsåtgärder och för att hålla koll på den biologiska mångfalden. De beräkningsmetoder eller algoritmer som utvecklats utgör grunden för ett automatiskt övervakningssystem som objektivt kan stödja manuella inspektioner eller ersätta dem. 

Avhandlingen är en sammanhängande monografi (ej sk. sammanläggningsavhandling) och understöds av sex stycken granskade artiklar publicerade i vetenskapliga tidskrifter eller vid konferenser. Avhandlingen berör många akademiska områden främst datavetenskap/informatik och datateknik och fokuserar på mönsterigenkänning och maskinseende. Den omfattar även mätmetoder inom ekologi och skogsbruk.

Växter är ”huvudklienten” som ska mätas och således är biometri i fokus. Biometri är vetenskapen om att mäta och statistiskt analysera biologiska data. Även psykologi och beteendevetenskap betonas, främst när det gäller att mäta tillförlitligheten i människors bedömningar. T ex kan det innebära att flera bedömare visuellt uppskatta/ bedömning av växtfrekvens.

Publicerad