高铁运行速度快、里程长且承载大量乘客，因此确保其安全运营至关重要。巡检员被誉为“铁路医生”，是保障高铁安全运营的重要力量。人工智能的应用不仅有助于及时发现安全隐患，还能减轻巡检人员的工作负担。

最近，中国铁道科学研究院（简称“铁科院”）与浪潮集团合作，升级了AI巡检模型，使人工智能在高铁巡检中的应用更加高效。新模型采用了浪潮的自动机器学习算法平台AutoML Suite进行开发，准确度比人工设计模型提高了约10%，开发效率也提升了5倍。

人工智能助力“铁路医生”。截至2019年底，中国铁路总里程已达13.9万公里，年客运量超过36.6亿人次，铁路依然是民众出行的首选交通工具之一。铁路系统的复杂性和精密性要求每个环节都必须做到极致，否则可能导致严重的安全事故。“失之毫厘，谬以千里”这句话在铁路巡检工作中尤为贴切。巡检员的工作环境极为艰苦，无论天气如何，他们都需要徒步沿铁路线路检查设备，每年行走的距离接近1万公里。

巡检工作既辛苦又重要。高铁运行速度极快，为了确保列车安全运行，巡检工作必须细致入微。然而，巡检员需要接触高速列车和高压电网等高风险环境，因此他们的安全同样需要被高度重视。人工智能技术可以在降低列车运行风险的同时，替代人工执行一些危险任务，从而显著改善巡检员的工作环境。

高铁巡检模型开发面临挑战。通常，人工智能在高铁巡检中的应用是通过安装在巡检设备上的高清摄像头捕捉零部件图像，然后利用人工智能算法识别潜在隐患。巡检设备每小时会产生数十万张照片，工程师们需要使用人工智能系统对这些照片进行分析，这就需要开发相应的图像分类和检测模型，以快速识别故障。模型的准确率直接影响巡检工作的效率，如果模型不够精准，会导致人工复检的工作量增加。

开发高精度的巡检模型十分困难。因为高铁巡检涉及上百种设备，异常情况与正常情况之间差异较小，且缺陷样本数量有限。传统的模型一旦设计完成便不再改变，无法针对特定应用场景进行优化。另外，为不同设备开发特定算法模型并不理想，因为这需要大量的试错和迭代过程，消耗大量的人力和物力资源。人工开发一个AI应用通常需要至少6名工程师花费一个月的时间，这显然无法满足高铁巡检的需求。此外，使用普通的自动机器学习工具时，由于涉及公有云服务，数据安全性难以得到保障。

自动机器学习算法展现强大功能，加速高铁巡检。浪潮的自动机器学习算法平台AutoML Suite实现了企业级的模型自动化构建，支持本地部署和云端部署，能够自动建模、自动调整超参数和自动选择模型，大大提升了模型开发的效率。针对高铁巡检模型的开发难题，铁科院与浪潮基于AutoML Suite平台设计了一套完整的开发流程。首先，通过对缺陷样本进行图像翻转和亮度调整等预处理，扩展了数据量，使得正常样本和缺陷样本的比例达到平衡。随后，将处理后的数据导入AutoML Suite平台，通过模型搜索、模型训练和自动调参三个步骤自动生成模型，整个开发过程仅需两天时间。

结果显示，AutoML Suite自动生成的模型准确率均高于人工设计的模型，其中开口销巡检模型的召回准确率相比专家设计的模型提高了约10%，开发效率也提升了5倍。

铁科院相关技术负责人表示：“过去我们投入大量人力和物力进行高铁巡检模型的开发，但效果并不理想，特别是针对不同类别的设备开发特定模型更是难以实现。浪潮的AutoML Suite自动机器学习算法平台能够快速生成模型，并且准确率更高。我们将继续与浪潮深化合作，借助AutoML Suite释放人力资源，提高开发效率，推动更多人工智能应用在高铁领域落地，让高铁出行更加安全、舒适和人性化。”

铁科院作为中国铁路科技研究的先锋和领导者，承担着高速铁路建设和运营维护、装备现代化、既有线提速、重载运输、安全和信息化等多个领域的研究工作，在技术标准和基础检测等方面处于世界领先地位。在人工智能研究方面，铁科院进行了许多探索，将人工智能技术应用于铁路巡检只是其中一个方面。随着人工智能在中国铁路领域的应用不断深入，未来人们将迎来一个更加安全便捷的“智慧铁路”时代。