Progettazione di un sistema automatizzato per il riconoscimento degli enti notevoli dell’infrastruttura ferroviaria

In this document the problem of railway infrastructure’s maintenance and the need for new automated approaches to the diagnosis of its elements, useful both for limiting consequences to faults and for focusing intervention, is discussed. The innovative approach of DiagnosticaTE to this problem, a project by the T&T company making use of deep neural networks and machine learning, is detailed. The initial design and prototyping phase of part of this project has been the subject of the collaboration held between the author of this thesis and the company. In order to be able to discuss about the railway domain, a short glossary describing components of the overhead lines is provided so that the reader may possess basic knowledge about the elements involved. Before proceeding with a detailed description of the work performed during the aforementioned collaboration, an overview and an introduction to the tools used and discussed in the rest of the document is given, such as neural networks, their evolution, techniques for object recognition inside an image, and the current state of the art in this research field. Different and mutually alternative approaches considered for the DiagnosticaTE project are discussed at great lengths, highlighting for each of those their possible strong and weak points, while also providing the reasons behind the choice of the neural network-based approach as the candidate for an experimental in-depth study. Lastly, the prototyping and implementation phase of the recognition system for aerial elements, useful for collecting experimental results needed to conduct an early evaluation and scoring of a definitive system based on the same approach, is described. Outcomes of this prototype are collected and commented in the appropriate section, while also providing as a conclusion a global evaluation of the findings and the project’s future.

In questo documento viene discusso il problema della manutenzione dell’infrastruttura ferroviaria e di come sia necessario introdurre nuovi approcci automatizzati per la diagnosi dei suoi elementi per ridurre le conseguenze dei guasti e intervenire in maniera mirata sui problemi. Viene descritto l’approccio proposto da DiagnosticaTE, un progetto dell’azienda T&T che si pone come soluzione innovativa a questo problema, facente uso di reti neurali profonde e tecniche di apprendimento automatico. La fase iniziale di studio e di prototipazione di una parte di questo progetto è stata oggetto della collaborazione svoltasi tra l’autore di questa tesi e l’azienda. Per discutere temi inerenti all’ambito ferroviario è fornito un breve glossario che descrive quelli che sono gli enti notevoli dell’infrastruttura aerea di contatto, in modo tale da possedere una comprensione di base degli elementi coinvolti nel problema. Prima di iniziare la descrizione dettagliata del lavoro svolto durante la collaborazione, viene fornita una panoramica e un’introduzione agli strumenti utilizzati e menzionati nel resto del documento, quali le reti neurali, le loro evoluzioni, le tecniche per il riconoscimento di oggetti all’interno di un’immagine e lo stato dell’arte attuale in questo ambito di ricerca. Sono in seguito trattati i vari approcci, alternativi fra loro, considerati per il progetto DiagnosticaTE, andando a evidenziare per ciascuno di essi i possibili punti di forza e le rispettive criticità, descrivendo le motivazioni che hanno portato a scegliere l’approccio basato sulle reti neurali profonde come quello candidato per un approfondimento sperimentale. Infine, viene descritto il processo di prototipazione e implementazione di questo sistema di riconoscimento degli enti notevoli, utilizzato per ottenere dei risultati sperimentali utili a una prima valutazione e al giudizio preliminare di un eventuale sistema finale così strutturato. I risultati di questo prototipo sono raccolti e commentati in una sezione apposita, fornendo, in conclusione, una valutazione complessiva di quanto ottenuto e degli sviluppi futuri del progetto.