京沪高速铁路全长1318km，最早一班高铁7:00出发，最晚一班高铁23:23到达。从2011年到2021年，京沪高铁发送旅客的数量超过11亿人次。为什么高铁没有大规模开行“夕发朝至”？因为高铁在晚上需要检修。

凌晨0点至4：30，也被称为高铁检修的“天窗时间”，在这一时间段内，高铁综合维修人员往往要头顶星空，扛着几百斤的接地线，顺着高铁轨道，扶着长长的梯车爬上接触网支柱旁，一颗螺丝一颗螺丝地检查潜在的隐患，每处理掉一个隐患，乘客的生命安全就得到多一分保障。

过去，完成一次人工全线巡检，要花费3年的时间；后来，4C接触网检测车投入运营，拍照代替了人工巡检，让检测时间缩短到一个季度一次，但是仍然需要依赖纯人工方式完成每张照片的分析和判断。直到2019年，当采用AI技术的“星空”智能分析系统在京沪高铁全线应用后，借助AI技术分析已拍摄的照片，完成一次例行巡检只需要短短4天。

据商汤科技“星空”系统商务负责人马骏介绍，三方从2017年开始，探索将AI技术应用到高铁接触网检测领域，2019年投入研发，最终在京沪高铁全线落地，实现了高铁4C检测的智能化，“接触网维修师傅每天在夜幕的星空中工作，无畏严寒酷暑、无惧艰险辛苦，守护了高铁的安全运行，这种精神也鼓舞了参与项目的每一个人，大家最终决定将智能分析系统命名为‘星空’”。

从北京到上海，乘客安全出行的背后，辛苦工作的高铁运维人员与最先进的科技系统，正在默默守护我们的安全。

从“望闻问切”到“看CT”

“如果拿医生作比喻，过去高铁巡视员的工作就好像中医，需要‘望闻问切’，当4C设备上线后，高铁就有了‘眼睛’，检测人员的工作也变为了‘看CT’。”中铁电化院副总工程师、京沪高铁接触网设计负责人黎锋对新京报记者表示。

据了解，高铁运维的一个重要项目就是高铁接触网，其是沿铁路线上空架设的向电力机车供电的线路，包括供电杆、接触线、吊弦等。接触网一旦停电，会对列车的供电产生影响。如今年5月，受大风天气影响，高铁接触网挂异物，曾导致数十趟列车晚点、停运。

4C接触网检测车车顶均匀分布了32个摄像头，以80公里时速运行过程中依靠红外感应，全方位对接触网零件进行抓拍。在检测车拍摄的图片里，检测工程师可以看出螺栓松动、绝缘子破损、吊弦断裂等多种部件的显性缺陷，仿佛“看CT”的医生。在京沪高铁维管公司，负责“看CT”的团队有20人，每天对4C设备上传的照片进行分析，中铁电化局“星空”系统负责人李曌宇告诉记者，每年他的团队需要分析约1200万张图片。

这种检测不光考验眼力，同时还考验业务能力，对于高铁接触网潜在隐患的检测，往往需要工作多年、经验丰富的检测工程师进行判断。“过去检测工程师的培训一般需要6到8年。”京沪高铁维管公司检测中心副主任朱海燕告诉新京报记者。而且“看图”并非一件清闲的事情，平均每人每年60万张图片的浏览量对工作人员的视力、心理等都存在考验，“如果一直干分析照片的活儿，可能第一年员工会觉得新鲜，第二三年重复一样的工作对员工的积极性就会是一种消耗。”

有没有一种方法让“老师傅”的经验可以快速让新手也学会呢？

让新员工检测效率超过“老师傅”

在中铁电化局京沪高铁维管公司的“供电AI视觉分析研发中心”办公室，不少检测员正对着电脑查看4C系统拍摄的图片，新京报记者发现，其中有不少是刚毕业的“90”后甚至“95”后。

“我们最年轻的员工有刚毕业今年7、8月份入职的，但在检测零部件缺陷上，他可能干得比拥有7、8年经验的老师傅还要好。”李曌宇对记者介绍。

据了解，这得益于采用商汤科技提供的AI视觉检测分析技术的“星空”智能分析系统在京沪高铁全线的应用。

新京报记者了解到，在AI赋能各行各业越来越广泛的当下，使用人工智能技术帮助判断高铁接触网存在的问题，是一个重要的研究方向，AI学习所需要的海量图片，与4C设备每年提供的大量图片“不谋而合”，而AI的高效率也可以减轻人工看图的负担。

“使用AI分析接触网的课题从2017年开始，我们与合作方人工智能公司商汤科技经历了两年的前期调研，2019年5月科研项目正式启动，”李曌宇告诉新京报记者。2020年6月，“星空”系统完成人机对抗赛，验证算法在小部件（螺母、开口销）的检测效果上显著优于人工，产品检测效率上达到人工效率的3倍。截至2021年6月，“星空”系统模型版本进行了5次升级，可识别101类零部件， 57大类缺陷。

与商汤科技合作应用人工智能技术的“星空”系统解决了人工看图的几大痛点，李曌宇告诉记者，“检测人员水平及分析标准参差不齐，在一次人人分组检测测试中，我们原以为，不同组人看同一组图片后，人与人之间检出故障的重叠率应该在60%~70%，但没想到最终重叠率仅有20%，这说明我们急需一个统一的标准；此外，除了庞大的图片以外，每张图片存在30个以上缺陷检测点数，通过人工检测需要对每个缺陷逐一放大分析，极易存在漏检的风险。”

引入“星空”系统后，在AI的帮助下，人工仅需复核，大大提升了检测质量和效率。

李曌宇告诉记者，在“星空”系统的帮助下，高铁接触网的图片检测以智能识别+人工复核的形式进行，检出疑似缺陷数量可达到纯人工数量的3到8倍。这样，检测员只需要复核AI查找出的图片，即便是没有丰富现场经验的检测员，也可以一下子从事培训6-8年的老师傅才能从事的工作。

“火眼金睛”是怎样炼成的？

如果说4C设备让高铁长了一双“眼睛”，那么“星空”系统则无异于将这双眼睛锻炼成了“火眼金睛”。

做到火眼金睛，并非一朝一夕。“AI产品需要尊重行业，要将技术与行业知识、人工经验相结合。“星空”系统在设计中，考虑了高铁接触网超过上百类零部件的安装和紧固方法。产品设计上参照行业标准，结合专家经验，定义出如松动、缺失、断裂、卡磨、损伤等类型。将这些定义好的数据，送入计算机进行训练，才能教会计算机识别缺陷。此外产品上设计了反馈机制，可以使产品更快地学习成长。”商汤科技星空产品负责人肖旭介绍。

“在算法技术上，为了适配高铁接触网的复杂场景，商汤融合了传统视觉算法和深度学习算法，并使用超算平台不断迭代优化算法性能”，商汤科技“星空”算法研发负责人暴天鹏介绍，“比如吊弦断裂这一个故障点，吊弦断裂的样本极度缺乏，如果采用传统算法检出率只能在73%，纯深度学习检出率在83%，最后我们将二者相结合，将检出率增加到了95.37%；而对于吊弦硬弯缺陷的检测，我们采取了多级筛选算法，确保吊弦硬弯的检出率超过99%。”

事实上，机器学习所需的运算量超乎常人想象，商汤科技系统架构副总监宋剑锋告诉新京报记者，“目前梳理出来需要识别的接触网缺陷项点高达上千种，这需要用到基于SenseCore 商汤 AI 大装置的超算平台。SenseCore商汤AI大装置可以推动通用型技术的研发，打通算力、算法和平台，实现高效率、低成本、规模化，推动人工智能进入工业化发展阶段。该平台由上万块专业GPU组成，一分钟就可完成台式电脑数年的运算。”

随着“星空”系统数据的不断积累，也让预测未来可能发生的故障成为了可能。通过“空间定位”、“一杆一档”等办法，“星空”系统可以准确定位每一根支柱的杆号，并建立数据档案进行管理。“这样，在分析出过故障的零部件时，我们可以回溯过去一段时间这个零部件是否存在即将出故障的趋势，以此类推，未来我们将可能提前预测发生的故障。”李曌宇告诉记者。

“目前，除京沪高铁外，我们还学习了其他铁路段的高铁，也取得了显著的效果。”李曌宇说，“截至目前，星空系统分析的全国高铁超过3万公里，图片数量超过4800万张，零部件数量超过13亿个。随着数据不断积累，神经网络的不断优化，人工智能不断成长，还有更多的应用场景等着我们去探索。”

“安全运行好不好，就看运维是不是高效，然而随着高铁的大规模建成开通，白天运行夜间检修的高铁运营模式，日益增大高铁运营检修压力。”黎锋告诉新京报记者，“也正是这些开发者创造出的‘星空’系统，使得运维人员不再头顶星空‘望闻问切’，而是可以有效利用 ‘天窗时间’对接触网进行高效、精准维护，也让检测人员能在另一片‘星空’之下更好守护乘客的安全。”

如今，“星空”系统已经在京沪高铁全线应用，为高铁的运行安全、旅客的出行便利，做着默默贡献，也让常年工作在“星空”下的维修人员多了一份安心和陪伴。对于中国高铁智能化巡检的未来发展，黎锋表示：“我们将行业领先的AI技术赋能到高铁接触网检修，精准助力中国高铁实施预测性维修、提升高铁品质，展现了中国企业的创造力和竞争力。未来随着‘星空’系统的广泛推广，还将扎实助推中国高铁走出去战略。”

文/罗亦丹 编辑 宋钰婷 校对 刘军