特表 2023-523009 鉄道環境でタンクを検出するためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-06-01

(54)【発明の名称】鉄道環境でタンクを検出するためのシステム及び方法

(51)【国際特許分類】

   B61L 23/00 20060101AFI20230525BHJP

【ＦＩ】

B61L23/00 Z

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022564489

(86)(22)【出願日】2021-03-29

(85)【翻訳文提出日】2022-12-19

(86)【国際出願番号】 US2021024594

(87)【国際公開番号】W WO2021216253

(87)【国際公開日】2021-10-28

(31)【優先権主張番号】16/855,365

(32)【優先日】2020-04-22

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】505220284

【氏名又は名称】ビーエヌエスエフ レイルウェイ カンパニー

【住所又は居所原語表記】２５００ Ｌｏｕ Ｍｅｎｋ Ｄｒｉｖｅ， Ｆｏｒｔ Ｗｏｒｔｈ， Ｔｅｘａｓ ７６１３１ Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】100120662

【弁理士】

【氏名又は名称】川上 桂子

(74)【代理人】

【識別番号】100216770

【弁理士】

【氏名又は名称】三品 明生

(74)【代理人】

【識別番号】100217364

【弁理士】

【氏名又は名称】田端 豊

(74)【代理人】

【識別番号】100180529

【弁理士】

【氏名又は名称】梶谷 美道

(72)【発明者】

【氏名】ロレンティ、 アンドレア レティシア アリアス

(72)【発明者】

【氏名】グリーン、 サンドラ エヌ．

(72)【発明者】

【氏名】ジャニ、 ルチャ ディー．

(72)【発明者】

【氏名】キング、 ディビッド マシュー

(72)【発明者】

【氏名】マクレイノルド、 ドウグ

(72)【発明者】

【氏名】ノアールバクシュ、 セイド モハンムド

(72)【発明者】

【氏名】ワトキンス、 ステファニー オーティス

(72)【発明者】

【氏名】リッチモンド、 ネサニエル

(72)【発明者】

【氏名】シー、 シアォイェン

(72)【発明者】

【氏名】スン、 イー サング

(72)【発明者】

【氏名】ザング、 アンペン

【テーマコード（参考）】

5H161

【Ｆターム（参考）】

5H161AA01

5H161MM05

5H161MM12

5H161NN10

(57)【要約】

１つの実施形態では、方法は、画像検出ツールによって、鉄道環境の画像内のタンクを識別するステップと、画像検出ツールによって、鉄道環境の画像内の鉄道線路を識別するステップとを含む。方法はまた、画像検出ツールによって、タンクと鉄道線路との間の距離を決定するステップと、画像検出ツールによって、タンクと鉄道線路との間の距離を所定の閾値距離と比較するステップとを含む。方法は、タンクと鉄道線路との間の距離を所定の閾値距離と比較することに応答して、画像検出ツールによって、タンクが鉄道環境に危険をもたらすかを決定するステップをさらに含む。
【選択図】図１

【特許請求の範囲】

【請求項1】

方法であって、
画像検出ツールによって、鉄道環境の画像内のタンクを識別するステップと、
前記画像検出ツールによって、前記鉄道環境の画像内の鉄道線路を識別するステップと、
前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記画像検出ツールによって、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む、
方法。

【請求項2】

前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、前記所定の閾値距離が５０フィートである、請求項１に記載の方法。

【請求項3】

前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離に基づいて、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップを含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項１に記載の方法。

【請求項4】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項１に記載の方法。

【請求項5】

機械学習モデルを使用して前記タンクを識別するように前記画像検出ツールを訓練するステップをさらに含む、請求項１に記載の方法。

【請求項6】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の前記距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項１に記載の方法。

【請求項7】

前記画像検出ツールによって、前記警報を生成するステップをさらに含み、
前記警報は、
前記危険の表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記タンクと前記鉄道線路との間の前記距離、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうちの少なくとも１つを含む、
請求項１に記載の方法。

【請求項8】

１つ以上のプロセッサ及び命令を格納するメモリを含む装置であって、
前記１つ以上のプロセッサによって実行されるとき、前記命令は、１つ以上のプロセッサに、
鉄道環境の画像内でタンクを識別するステップと、
前記鉄道環境の画像内で鉄道線路を識別するステップと、
前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む動作を実行させる、
装置。

【請求項9】

前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、前記所定の閾値距離が５０フィートである、請求項８に記載の装置。

【請求項10】

前記動作は、前記タンクと前記鉄道線路との間の前記距離に基づいて、危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項８に記載の装置。

【請求項11】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項８に記載の装置。

【請求項12】

前記動作は、機械学習モデルを使用して前記タンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項８に記載の装置。

【請求項13】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の前記距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項８に記載の装置。

【請求項14】

前記動作は、前記画像検出ツールによって、警報を生成するステップをさらに含み、
前記警報は、
前記危険の表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記タンクと前記鉄道線路との間の前記距離、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうちの少なくとも１つを含む、
請求項８に記載の装置。

【請求項15】

命令を格納する１つ以上のコンピュータ可読記憶媒体において、
プロセッサによって実行されるとき、前記命令は、前記プロセッサに、
鉄道環境の画像内でタンクを識別するステップと、
前記鉄道環境の画像内で鉄道線路を識別するステップと、
前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む動作を実行させる、
記憶媒体。

【請求項16】

前記動作は、前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、
前記所定の閾値距離が５０フィートである、請求項１５に記載の記憶媒体。

【請求項17】

前記動作は、前記タンクと前記鉄道線路との間の前記距離に基づいて、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項１５に記載の記憶媒体。

【請求項18】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項１５に記載の記憶媒体。

【請求項19】

前記動作は、機械学習モデルを使用して前記タンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項１５に記載の記憶媒体。

【請求項20】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項１５に記載の記憶媒体。

【請求項21】

装置であって、
鉄道環境の画像内でタンクを識別するための手段と、
前記鉄道環境の画像内で鉄道線路を識別するための手段と、
前記タンクと前記鉄道線路との間の距離を決定するための手段と、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するための手段と、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するための手段と、
を含む、
装置。

【請求項22】

請求項２～請求項７のいずれかに記載の方法を実現するための手段をさらに含む、
請求項２１に記載の装置。

【請求項23】

コンピュータによって実行されるとき、前記コンピュータに、請求項１～請求項７のいずれかに記載の方法のステップを実行させる命令を含む、コンピュータプログラム、コンピュータプログラム製品、又はコンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、一般にタンクを検出することに関し、より具体的には、鉄道環境におけるタンクを検出するためのシステム及び方法に関する。

【背景技術】

【0002】

特定の鉄道会社は、所有地に無水アンモニアなどの危険物質の保管を禁止している。鉄道検査官（Ｒａｉｌｒｏａｄ ｉｎｓｐｅｃｔｏｒ）は、定期的な資産検査（ｐｒｏｐｅｒｔｙ ｉｎｓｐｅｃｔｉｏｎ）によって、危険物質を含む保管タンクを識別し得る。しかし、時間や人員などのリソースが限られているため、鉄道敷地内に危険物質を保管するタンクが検出されない場合がある。

【発明の概要】

【課題を解決するための手段】

【0003】

一実施形態によれば、方法は、画像検出ツールによって、鉄道環境の画像内のタンクを識別するステップと、画像検出ツールによって、鉄道環境の画像内の鉄道線路を識別するステップとを含む。方法はまた、画像検出ツールによって、タンクと鉄道線路との間の距離を決定するステップと、画像検出ツールによって、タンクと鉄道線路との間の距離を所定の閾値距離と比較するステップとを含む。方法は、タンクと鉄道線路との間の距離を所定の閾値距離と比較することに応答して、画像検出ツールによって、タンクが鉄道環境に危険をもたらすかを決定するステップをさらに含む。

【0004】

特定の実施形態では、方法は、タンクと鉄道線路との間の距離が所定の閾値距離以下であると決定するステップを含む。例えば、所定の閾値距離は、５０フィートであり得る。いくつかの実施形態では、方法は、画像検出ツールによって、タンクと鉄道線路との間の距離に基づいて、危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップを含む。例えば、高いリスクは、０から２０フィートの距離と関連付けられ、中程度のリスクは、２１から３０フィートの距離と関連付けられ、低いリスクは、３１から５０フィートの距離に関連付けられる。

【0005】

特定の実施形態では、方法は、画像検出ツールによって、警報を生成するステップを含む。警報は、危険の表示、危険に関連するリスクのレベルの表示、タンクに対する説明、タンクの位置、タンクと鉄道線路との間の距離、鉄道環境の画像、鉄道環境の画像がキャプチャされた時間、及び／又は鉄道環境の画像がキャプチャされた日付の表示のうちの少なくとも１つを含み得る。いくつかの実施形態では、方法は、機械学習モデル（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ｍｏｄｅｌ）を使用してタンクを識別するように画像検出ツールを訓練するステップを含む。

【0006】

特定の実施形態では、鉄道車両が鉄道環境を通って鉄道線路に沿って移動している間に、鉄道車両に取り付けられたカメラによって画像がキャプチャされる。鉄道車両は、機関車又はジオメトリ車両（ｇｅｏｍｅｔｒｙ ｃａｒ）であってもよい。いくつかの実施形態では、画像は、鉄道線路と１つ以上の他の鉄道線路とを含み、鉄道線路は、１つ以上の他の鉄道線路よりもタンクにさらに近く、タンクと鉄道線路との間の距離は、鉄道線路の外側レールの中心線からタンクの外縁まで平面で見るとき、測定された最短距離である。

【0007】

他の実施形態によれば、装置は、１つ以上のプロセッサ及び命令を格納するメモリを含み、１つ以上のプロセッサよって実行されるとき、命令は、１つ以上のプロセッサに、鉄道環境の画像内でタンクを識別するステップと、鉄道環境の画像内で鉄道線路を識別するステップとを含む動作を実行させる。動作はまた、タンクと鉄道線路との間の距離を決定するステップと、タンクと鉄道線路との間の距離を所定の閾値距離と比較するステップを含む。動作は、タンクと鉄道線路との間の距離を所定の閾値距離と比較することに応答して、タンクが鉄道環境に危険をもたらすかを決定するステップをさらに含む。

【0008】

また他の実施形態によれば、１つ以上のコンピュータ可読記憶媒体は、命令を内在し、プロセッサによって実行されるとき、命令は、プロセッサに、鉄道環境の画像内でタンクを識別するステップと、鉄道環境の画像内で鉄道線路を識別するステップとを含む動作を実行させる。動作はまた、タンクと鉄道線路との間の距離を決定するステップと、タンクと鉄道線路との間の距離を所定の閾値距離と比較するステップとを含む。動作は、タンクと鉄道線路との間の距離を所定の閾値距離と比較することに応答して、タンクが鉄道環境に危険をもたらすかを決定するステップをさらに含む。

【0009】

本開示の特定の実施形態の技術的利点は、以下のうちの１つ以上を含み得る。本明細書に記載の特定のシステム及び方法は、鉄道線路の周辺に位置するタンクを自動で検出する画像認識ツールを含み、これは、手動の検査による手間と時間を減らし、効率性を高める。鉄道線路の周辺に位置するタンクを自動で検出して鉄道線路の周辺にある潜在的な危険物質を識別することによって安全性を高める。特定の実施形態では、タンクの自動検出は、危険物質による環境リスクを低減する。

【0010】

他の技術的利点は、以下の図面、説明、及び特許請求の範囲から当業者には容易に明らかになるであろう。さらに、特定の利点が上に列挙されているが、様々な実施形態は、列挙された利点の全部又は一部を含むか、全く含まなくてもよい。

【0011】

本開示内容の理解を助けるために、添付の図面と併せて以下の説明を参照する。

【図面の簡単な説明】

【0012】

【図1】鉄道環境においてタンクを検出するための例示的なシステムを示す。

【図2】図１のシステムによって使用され得る例示的な画像を示す。

【図3】鉄道環境においてタンクを検出するための例示的な方法を示す。

【図4】本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。

【発明を実施するための形態】

【0013】

図１～図４は、鉄道環境におけるタンクを検出するための例示的なシステム及び方法を示す。図１は、鉄道環境におけるタンクを検出するための例示的なシステムを示す。図２は、図１のシステムによって使用され得る例示的な画像を示す。図３は、鉄道環境においてタンクを検出するための例示的な方法を示す。図４は、本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。

【0014】

図１は、鉄道環境におけるタンクを検出するための例示的なシステム１００を示す。図１のシステム１００は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０（即ち、鉄道線路１３０ａ及び鉄道線路１３０ｂ）、鉄道車両１４０、カメラ１５０、画像検出ツール１８０、及び訓練モジュール１９０を含む。システム１００又はその一部は、組織（ｅｎｔｉｔｙ）に関連することができ、鉄道環境でタンクを検出することのできる企業、会社（例えば、鉄道会社、運送会社など）又は政府機関（例えば、運輸局、公安局など）のような全ての組織を含み得る。図１の例示された実施形態は、鉄道システムに関連付けられているが、システム１００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連してもよい。例えば、システム１００は、道路、水路などのすぐ近く（例えば、５０フィート以内）にあるタンクを検出するのに使用され得る。システム１００の要素は、ハードウェア、ファームウェア、及びソフトウェアの任意の適切な組み合わせを使用して実現され得る。例えば、システム１００の１つ以上の構成要素は、図４の１つ以上の構成要素を使用してもよい。

【0015】

ネットワーク１１０は、システム１００の構成要素間の伝達を容易にする任意のタイプのネットワークであり得る。例えば、ネットワーク１１０は、システム１００のカメラ１５０をシステム１００の画像検出ツール１８０に接続してもよい。別の例として、ネットワーク１１０は、システム１００の画像検出ツール１８０をシステム１００の訓練モジュール１９０に接続してもよい。ネットワーク１１０の１つ以上の一部は、アドホックネットワーク、イントラネット、エクストラネット、仮想私設網（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、大都市圏ネットワーク（ＭＡＮ）、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、携帯電話網、３Ｇネットワーク、４Ｇネットワーク、５Ｇネットワーク、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）セルラ通信網、これらの２つ以上の組み合わせ、又はその他の適切なタイプのネットワークを含み得る。ネットワーク１１０の１つ以上の一部は、１つ以上のアクセス（例えば、モバイルアクセス）、コア及び／又はエッジネットワークを含み得る。ネットワーク１１０は、私設網（ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ）、公衆網（ｐｕｂｌｉｃ ｎｅｔｗｏｒｋ）、インターネットを介した接続、モバイルネットワーク、ＷＩ－ＦＩネットワーク、ブルートゥース（登録商標）ネットワークなどの任意の通信網であり得る。ネットワーク１１０は、クラウドコンピューティング機能を含み得る。システム１００の１つ以上の構成要素は、ネットワーク１１０を介して伝達し得る。例えば、カメラ１５０は、情報（例えば、画像１８２）を画像検出ツール１８０に送信、及び／又は画像検出ツール１８０から情報（例えば、警報）を受信することを含めてネットワーク１１０を介して伝達し得る。別の例として、訓練モジュール１９０は、情報（例えば、訓練画像１９２）を画像検出ツール１８０に送信することを含めてネットワーク１１０を介して伝達し得る。

【0016】

システム１００の鉄道環境１２０は、１つ以上の鉄道線路１３０を含む領域である。鉄道環境１２０は、区画（ｄｉｖｉｓｉｏｎ）、細区画（ｓｕｂｄｉｖｉｓｉｏｎ）、区域（ｄｉｓｔｒｉｃｔ）、地域（ｒｅｇｉｏｎ）、支線（ｂｒａｎｃｈ）などに関連し得る。区画は、監督者の監督下にある鉄道の部分である。細区画（ｓｕｂｄｉｖｉｓｉｏｎ）は、区画のさらに小さな部分である。細細区画は、作業員区域（ｃｒｅｗ ｄｉｓｔｒｉｃｔ）及び／又は支線（ｂｒａｎｃｈ ｌｉｎｅ）であり得る。図１に示す実施形態では、鉄道環境１２０は、鉄道線路１３０、鉄道車両１４０、カメラ１５０、及びタンク１７０（即ち、タンク１７０ａ及びタンク１７０ｂ）を含む。

【0017】

システム１００の鉄道線路１３０は、鉄道車両１４０の車輪が転がる表面を提供することによって、鉄道車両１４０が移動できるようにする構造である。特定の実施形態では、鉄道線路１３０は、レール、締結装置、枕木、バラストなどを含む。鉄道車両１４０は、鉄道運送システムで貨物及び／又は乗客を運ぶ車両である。特定の実施形態では、鉄道車両１４０は、他の鉄道車両に連結されて列車を形成する。鉄道車両１４０は、ジオメトリ車両（例えば、軌道検測車（ｔｒａｃｋ ｇｅｏｍｅｔｒｙ ｃａｒ））、機関車、客車、貨車、有蓋車、長物車、タンク車などであってもよい。

【0018】

図１に示す実施形態では、鉄道車両１４０は、鉄道線路１３０ｂに沿って進行方向１６０（例えば、南向き）に移動している。いくつかの実施形態では、鉄道環境１２０の鉄道線路１３０ａは、鉄道環境１２０の鉄道線路１３０ｂに隣接（例えば、平行）している。特定の実施形態では、鉄道車両１４０は、鉄道線路１３０ａに沿って進行方向１６０と反対方向（例えば、北向き）に移動してもよい。いくつかの実施形態では、鉄道車両１４０は、鉄道線路１３０ａに沿って進行方向１６０（又は進行方向１６０と反対方向）に移動してもよい。

【0019】

システム１００のカメラ１５０は、静止画像又は動画１８２を自動でキャプチャする構成要素である。カメラ１５０は、１つ以上のレンズ、センサ、光学装置、照明要素などを含み得る。特定の実施形態では、カメラ１５０は、高解像度の３６０度の視覚的範囲を提供する。カメラ１５０は、リアルタイム又はほぼリアルタイムで画像１８２をキャプチャし得る。例えば、カメラ１５０は、鉄道環境１２０のオブジェクト（例えば、タンク１７０ａ及び／又はタンク１７０ｂ）の画像１８２をキャプチャし、画像１８２をカメラ１５０の外部の構成要素（例えば、画像検出ツール１８０又は訓練モジュール１９０）に所定の時間（例えば、１秒、５秒、１０秒、又は任意の他の適切な時間）未満で通信してもよい。いくつかの実施形態では、カメラ１５０は、それぞれの画像１８２がキャプチャされた時間及び／又は日付を追跡する。例えば、カメラ１５０は、それぞれのキャプチャされた画像１８２に、画像１８２がキャプチャされた時間及び／又は日付をスタンプすることができる。

【0020】

特定の実施形態では、カメラ１５０は、システム１００の鉄道環境１２０の画像１８２を自動でキャプチャする。カメラ１５０は、鉄道車両１４０が鉄道線路１３０ｂに沿って移動する間、静止画像又は動画１８２を自動でキャプチャし得る。カメラ１５０は、任意の適切な数の静止画像又は動画１８２を自動でキャプチャし得る。例えば、カメラ１５０は、毎秒、毎分、毎時など、所定の数の画像１８２を自動でキャプチャしてもよい。特定の実施形態では、カメラ１５０は、所定の領域（例えば、区画、細区画又は任意の他の領域）内の鉄道線路１３０ｂの全長をキャプチャするのに十分な数の画像１８２を自動でキャプチャする。

【0021】

システム１００のカメラ１５０は、鉄道車両１４０に取り付けられている。カメラ１５０は、鉄道線路１３０ｂの明確な視野を提供する任意の適切な位置で鉄道車両１４０に取り付けることができる。例えば、カメラ１５０は、鉄道線路１３０ｂの後方視野を提供するために鉄道車両１４０の後端（例えば、後部フロントガラス、屋根など）に取り付けられてもよい。別の例として、カメラ１５０は、鉄道線路１３０ｂの前方視野を提供するために、鉄道車両１４０の前端（例えば、前部フロントガラス）に取り付けられてもよい。

【0022】

システム１００のタンク１７０（即ち、タンク１７０ａ及びタンク１７０ｂ）は、短期又は長期保管のための材料（例えば、液体、圧縮ガス、化学物質など）を保持する保管容器である。特定の実施形態では、タンク１７０は、危険物質を保管する。例えば、タンク１７０は、有毒（ｔｏｘｉｃ）及び／又は毒物吸入の危険（ｐｏｉｓｏｎ ｉｎｈａｌａｔｉｏｎｓ ｈａｚａｒｄ）（例えば、無水アンモニア）、塩化アリル、ベンゼン、二硫化炭素、四塩化炭素、クロロベンゼン、塩化クロロベンジル、クロロホルム、ジクロロプロペン、エピクロロヒドリン、塩化エチル、二塩化エチレン、メチルクロロホルム（トリクロロエタン）、塩化メチレン（ジクロロメタン）、塩化メチレン／クロロホルム混合物、ｏ－ジクロロベンゼン、ペルクロロエチレン（テトラクロロエチレン）、ペルクロロエチレン／トリクロロエチレン混合物、トリクロロエチレン、可燃性ガス、不燃性ガス、毒ガス、燃料、油、プロパン、それらの組み合わせ又はその他の有害物質を貯蔵し得る。特定の実施形態では、タンク１７０は、地上貯蔵タンクである。

【0023】

システム１００の画像検出ツール１８０は、静止画像又は動画１８２を検査、評価及び／又は処理する構成要素である。画像検出ツール１８０は、オブジェクトに対する画像１８２を検査し得る。オブジェクトは、１つ以上の鉄道線路１３０、タンク１７０、発電所、送電線、道路横断、道路横断停止バー、距離標識、速度標識、鉄道信号などを含み得る。いくつかの実施形態では、画像検出ツール１８０は、画像１８２内のオブジェクトを分析するために、画像検出アルゴリズムを使用してもよい。画像検出アルゴリズムは、画像１８２内のオブジェクトを認識し、画像処理技術及び／又はパターン認識技術を使用してオブジェクトを分類し得る。特定の実施形態では、画像検出ツール１８０は、画像１８２を検査、評価、及び／又は処理するために、クラウドコンピューティングプラットフォーム（例えば、マイクロソフトアジュール（Ｍｉｃｒｏｓｏｆｔ Ａｚｕｒｅ）、アマゾンウェブサービス（ＡＷＳ）など）を使用する。

【0024】

特定の実施形態では、画像検出ツール１８０は、特定の特性（例えば、サイズ、形、位置など）に対する画像１８２内のオブジェクト（例えば、タンク１７０、発電所、送電線、道路横断、道路横断停止バー、距離標識、速度標識、鉄道信号など）を分析するために画像検出アルゴリズムを使用する。例えば、画像検出ツール１８０は、各タンク１７０の長さ、各タンク１７０の幅、地面に対する各タンク１７０の高さ、各タンク１７０の形状（例えば、円筒形）、各タンク１７０の屋根のタイプ（例えば、固定フランジ型又はフローティングルーフ）などがある。別の例として、画像検出ツール１８０は、道路横断停止バーの位置（例えば、上又は下）を決定し得る。いくつかの実施形態では、画像検出ツール１８０は、各オブジェクトの特性に基づいて各オブジェクトを分類し得る。例えば、画像検出ツール１８０は、各タンク１７０を、無水アンモニアタンク、メタンタンク、水タンクなどの分類のうちの１つに分類してもよい。

【0025】

いくつかの実施形態では、画像検出ツール１８０は、各タンク１７０の特性及び／又は分類に基づいて、各タンク１７０が危険物質を含むか否かを決定し得る。例えば、画像検出ツール１８０は、タンク１７０ａのサイズ及び形状に基づいて、タンク１７０ａが無水アンモニアなどの有害物質を含むと決定してもよい。別の例として、画像検出ツール１８０は、タンク１７０ｂのサイズ及び形状に基づいて、タンク１７０ｂが水などの非危険物質を含むと決定してもよい。特定の実施形態では、画像検出ツール１８０は、各タンク１７０の特性及び／又は分類に少なくとも部分的に基づいて、各タンク１７０が鉄道環境１２０に危険をもたらすか否かを決定し得る。

【0026】

いくつかの実施形態では、画像検出ツール１８０は、画像１８２を使用して１つ以上のオブジェクトの位置を決定する。位置は、鉄道環境１２０内の物理的（例えば、地理的）位置を示し得る。例えば、画像検出ツール１８０は、画像１８２を使用してオブジェクト（例えば、鉄道線路１３０ａ、鉄道線路１３０ｂ、タンク１７０ａ，１７０ｂなど）の地理的位置（例えば、全地球測位システム（ＧＰＳ）座標）を決定してもよい。位置は、オブジェクトの平面図での領域内の任意の地点（例えば、中心又は端）を示し得る。

【0027】

いくつかの実施形態では、画像検出ツール１８０は、画像１８２内の他のオブジェクトに対する画像１８２内のオブジェクトの位置を決定する。例えば、画像検出ツール１８０は、画像１８２の第１オブジェクト（例えば、鉄道線路１３０ｂ）の位置と画像１８２の第２オブジェクト（例えば、タンク１７０ａ）の位置との間の距離を決定してもよい。２つのオブジェクト間の距離は、鉄道環境１２０における物理的（例えば、地理的）距離を示すことができる。例えば、画像検出ツール１８０は、鉄道環境１２０のタンク１７０ａと鉄道線路１３０ｂとの間の距離が２０フィートであることを決定するために、画像１８２を使用してもよい。特定の実施形態では、距離は、鉄道線路１３０ｂに最も近いタンク１７０ａの端から鉄道線路１３０ｂの中心線まで平面図で測定される。いくつかの実施形態では、距離は、鉄道線路１３０ｂに最も近いタンク１７０ａの端から鉄道線路１３０ｂの中心線まで平面図で測定される。鉄道線路１３０ｂと各タンク１７０との間の距離は、鉄道線路１３０ｂの中心線（又は鉄道線路１３０ｂの外側レールの中心線）と各タンク１７０との間の平面図で、最短距離を示すことができる。

【0028】

いくつかの実施形態では、画像検出ツール１８０は、各タンク１７０が鉄道環境１２０に危険をもたらすか否かを決定するために、鉄道環境１２０の各タンク１７０と鉄道線路１３０ｂとの間の距離を所定の閾値距離と比較する。タンク１７０ａが鉄道線路１３０ｂまでの所定の閾値距離内に位置する場合、タンク１７０ａは、鉄道環境１２０に危険をもたらす。特定の実施形態では、所定の閾値距離は、５０フィートである。例えば、画像検出ツール１８０は、鉄道線路１３０ｂの中心線とタンク１７０ａとの間の地理的距離が５０フィートの所定の閾値距離以下であると決定し、比較に基づいてタンク１７０が鉄道環境１２０に危険をもたらすと決定してもよい。

【0029】

特定の実施形態では、それぞれの危険は、リスクのレベルに従って分類される。リスクのレベルは、危険が実際に鉄道環境１２０に害を及ぼす可能性である。リスクのレベルは、高いリスクレベル、中程度のリスクレベル、低いリスクレベル、又は潜在的なリスクを識別するその他の代表的なレベルを含み得る。いくつかの実施形態では、異なる所定の閾値距離は、異なるリスクのレベルに関連付けられる。例えば、０から２０フィートまでの閾値距離は、高いリスクレベルに関連付けられ、２１から３０フィートまでの閾値距離は、中程度のリスクレベルに関連付けられ、３１フィートから５０フィートまでの閾値距離は、低いリスクレベルに関連付けられてもよい。別の例として、０から２５フィートまでの閾値距離は、高いリスクレベルに関連付けられ、２６から３５フィートまでの閾値距離は、中程度のリスクレベルに関連付けられ、３６フィートから５５フィートまでの閾値距離は、低いリスクレベルに関連付けられてもよい。また別の例として、０から１５フィートまでの閾値距離は、高いリスクレベルに関連付けられ、１６から２５フィートまでの閾値距離は、中程度のリスクレベルに関連付けられ、２６フィートから４０フィートまでの閾値距離は、低いリスクレベルに関連付けられてもよい。画像検出ツール１８０は、タンク１７０ａ及び／又はタンク１７０ｂが鉄道環境１２０に危険／リスクをもたらすという決定に応答して、１つ以上の警報１８４を生成し得る。

【0030】

画像検出ツール１８０は、システム１００の１つ以上の構成要素に１つ以上の警報１８４を伝達し得る。各警報１８４は、鉄道環境１２０に対する危険の通知を示す。警報１８４は、任意の適切な形式（例えば、電子メール、ボイスメール、ファックス、テキストメッセージ、ウェブサイトへの投稿など）で伝達され得る。特定の実施形態では、画像検出ツール１８０は、１つ以上の警報１８４をオペレータ（例えば、管理者、エンジニア、監督者など）に伝達する。例えば、画像検出ツール１８０は、タンク１７０ａが鉄道環境１２０に高いリスクをもたらすと決定し、高いリスクを示す警報１８４をシステム１００の１人以上のオペレータ及び／又は構成要素に伝達してもよい。別の例として、画像検出ツール１８０は、タンク１７０ｂが鉄道環境１２０に中程度のリスクをもたらすと決定し、中程度のリスクを示す警報１８４をシステム１００の１人以上のオペレータ及び／又は構成要素に伝達してもよい。特定の実施形態では、警報１８４は、ネットワークオペレーションセンターに伝達されてもよい。

【0031】

特定の実施形態では、画像検出ツール１８０によって生成された警報１８４は、鉄道線路１３０ｂの危険区域内（例えば、５０フィート以内）に位置する１つ以上のタンク１７０に対する説明、鉄道線路１３０ｂと１つ以上のタンク１７０との間の距離、タンク１７０の画像１８４、タンク１７０の位置（例えば、タンク１７０のＧＰＳ位置）、鉄道車両１４０のカメラ１５０がタンク１７０をキャプチャした時間、鉄道車両１４０のカメラ１５０がタンク１７０をキャプチャした日付、鉄道車両の識別１４０、鉄道車両１４０の進行方向１６０の表示のうちの１つ以上を含み得る。

【0032】

いくつかの実施形態では、システム１００によって生成された情報は、１つ以上の他のシステム（例えば、不動産システム、地理情報システム（ＧＩＳ）など）によって生成された情報と結合され得る。例えば、システム１００の画像検出ツール１８０によって生成された情報（例えば、タンク識別、タンク位置など）は、不動産システムによって生成された情報（例えば、土地所有権、契約書など）、及び／又はＧＩＳによって生成された情報（例えば、デジタル化された地図ビューなど）と結合されてもよい。特定の実施形態では、システム１００の１つ以上の構成要素は、結合及び／又は比較された情報を含むレポートを生成してもよい。レポートは、鉄道環境１２０に対する包括的なビューを提供し得る。

【0033】

システム１００の訓練モジュール１９０は、オブジェクト（例えば、タンク１７０、発電所、送電線、道路横断、道路横断停止バー、距離標識、速度標識、鉄道信号など）を検出するために、１つ以上のモデルを訓練するアプリケーションである。例えば、訓練モジュール１９０は、画像１８２（例えば、デジタル画像、ビデオなど）の関心オブジェクト（例えば、タンク１７０、発電所、送電線、道路横断、道路横断停止バー、距離標識、速度標識、鉄道信号など）を検出するために、１つ以上のモデルを訓練してもよい。訓練モジュール１９０は、関心オブジェクトを検出し、１つ以上のモデルを訓練するために、訓練画像１９２を使用し得る。訓練画像１９２は、関心オブジェクトを含む画像である。例えば、訓練画像１９２は、鉄道環境１２０内のタンク１７０の画像を含んでもよい。特定の実施形態では、関心対象（例えば、タンク１７０）は、訓練画像１９２に重ねられる。例えば、タンク１７０の既存の画像を、鉄道線路１３０を含む画像１８２に貼り付けてもよい。特定の実施形態では、訓練モジュール１９０は、システム１００の管理者から訓練画像１９２を受信する。訓練モジュール１９０によって利用される訓練画像１９２の量及び種類は、所望の精度、タンク１７０の分類の数、各分類に対する訓練画像１９２の利用可能性などに依存する。

【0034】

特定の実施形態では、訓練モジュール１９０は、モデルを訓練するために、１つ以上の機械学習アプローチを使用する。機械学習アプローチは、アルゴリズムを使用してデータを分析し、データから学習し、学習した情報に基づいて十分な情報に基づく決定を行う。機械学習アプローチは、ビオラジョーンズ（Ｖｉｏｌａ－Ｊｏｎｅｓ）オブジェクト検出フレームワーク、スケール不変特徴変換（ＳＩＦＴ；Ｓｃａｌｅ－ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ）、方向勾配ヒストグラム（ＨＯＧ；ｈｉｓｔｏｇｒａｍ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ）機能などのうちの１つ以上を含み得る。特定の機械学習アプローチは、深層学習アプローチを含む。深層学習アプローチでは、構造化されていない、又はラベル付けされていない教師なしデータを学習してもよい。深層学習アプローチには、Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ（ＹＯＬＯ）、地域提案（例えば、Ｒ－ＣＮＮ、Ｆａｓｔ Ｒ－ＣＮＮ、Ｆａｓｔｅｒ Ｒ－ＣＮＮなど）、シングルショットマルチボックス検出器（ＳＳＤ；Ｓｉｎｇｌｅ Ｓｈｏｔ ＭｕｌｔｉＢｏｘ Ｄｅｔｅｃｔｏｒ）、オブジェクト検出のためのシングルショットリファインメントニューラルネットワーク（ＲｅｆｉｎｅＤｅｔ；Ｓｉｎｇｌｅ－Ｓｈｏｔ Ｒｅｆｉｎｅｍｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ）、Ｒｅｔｉｎａ－Ｎｅｔ、変形可能な畳み込みネットワーク（ｄｅｆｏｒｍａｂｌｅ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｔｗｏｒｋ）などのうちの１つ以上を含み得る。

【0035】

動作時、システム１００の訓練モジュール１９０は、画像１８２内のタンク１７０を識別するように画像検出ツール１８０を訓練する。カメラ１５０は、鉄道車両１４０（例えば、機関車又はジオメトリ車両）に取り付けけられ、鉄道車両１４０が鉄道線路１３０ｂに沿って進行方向１６０に移動する間に、鉄道環境１２０の画像１８２をキャプチャする。カメラ１５０は、画像１８２を画像検出ツール１８０に伝達する。画像検出ツール１８０は、画像１８２をスキャンし、画像１８２内のタンク１７０ａ及びタンク１７０ｂを識別する。画像検出ツール１８０は、画像１８２内の鉄道線路１３０ｂを識別し、タンク１７０ａと鉄道線路１３０ｂとの間の第１距離（例えば、１８フィート）、及びタンク１７０ｂと鉄道線路１３０ｂとの間の第２距離（例えば、３０フィート）を決定する。画像検出ツール１８０は、第１及び第２距離を所定の閾値距離（例えば、５０フィート）と比較し、第１距離及び第２距離が所定の閾値距離より小さいことを決定する。これらの決定に基づいて、画像検出ツール１８０は、タンク１７０ａ及びタンク１７０ｂが鉄道環境１２０に危険をもたらすと決定する。画像検出ツールは、危険を低いリスク、中程度のリスク、又は高いリスクに分類し、危険及び関連するリスクのレベルを示す警報１８４を生成する。このように、システム１００は、タンク１７０が鉄道線路のすぐ近く（例えば、５０フィート以内）に位置するため、鉄道環境１２０の危険に対して一人以上の個人に警告するために使用することができ、これは、危険を低減又は排除する是正措置を開始することができる。

【0036】

図１は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、カメラ１５０、タンク１７０、画像検出ツール１８０、及び訓練モジュール１９０の特定の配置を示しているが、本開示は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、カメラ１５０、タンク１７０、画像検出ツール１８０、及び訓練モジュール１９０の任意の適切な配置を企図する。例えば、タンク１７０ｂは、タンク１７０ａよりも鉄道線路１３０ｂの近くに配置されてもよい。別の例として、鉄道車両１４０は、鉄道線路１３０ｂの代わりに鉄道線路１３０ａに沿って移動してもよい。また別の例として、鉄道車両１４０は、進行方向１６０と反対方向に移動してもよい。また別の例として、画像検出ツール１８０及び訓練モジュール１９０は、１つの構成要素に結合されてもよい。

【0037】

図１は、特定の数のネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、カメラ１５０、タンク１７０、画像検出ツール１８０、及び訓練モジュール１９０を示しているが、本開示は、任意の適切な数のネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、カメラ１５０、タンク１７０、画像検出ツール１８０、及び訓練モジュール１９０を企図する。例えば、システム１００は、２つより多い又は少ない鉄道線路１３０を含んでもよい。別の例として、システム１００は、２つより多い又は少ないタンク１７０を含んでもよい。

【0038】

図２は、図１のシステム１００によって使用され得る例示的な画像１８２を示す。画像１８２は、特定の瞬間における図１の鉄道環境１２０の概要を示す。画像１８２は、鉄道線路１３０（即ち、鉄道線路１３０ａ及び鉄道線路１３０ｂ）、タンク１７０ａ、及びタンク１７０ｂを含む。図２に示す実施形態では、鉄道線路１３０ａは、鉄道線路１３０ｂに隣接（例えば、平行）している。特定の実施形態では、図１のカメラ１５０は、鉄道車両１４０が鉄道線路１３０ｂに沿って鉄道環境１２０を通って移動するときに、画像１８２を自動でキャプチャする。

【0039】

図２の画像１８２は、複数のラベルを含む。いくつかの実施形態では、図１の画像検出ツール１８０は、画像１８２に対する１つ以上のラベルを生成する。ラベルは、画像１８２に関連する情報を示す。例えば、画像検出ツール１８０は、１つ以上のオブジェクト（例えば、鉄道線路１３０ａ、鉄道線路１３０ｂ、タンク１７０ａ、タンク１７０ｂなど）を識別する画像１８２に対する１つ以上のラベルを生成してもよい。別の例として、画像検出ツール１８０は、画像１８２に示される鉄道環境に関連する１つ以上の危険を識別する画像１８２に対する１つ以上のラベルを生成してもよい。特定の実施形態では、ラベルは、危険に関連するリスクのレベル（例えば、高いリスク、中程度のリスク、低いリスクなど）を識別する。また別の例として、画像検出ツール１８０は、画像１８２に対する追加情報を提供する画像１８２に対する１つ以上のラベルを生成してもよい。付加情報は、オブジェクト（例えば、タンク１７０ａ、タンク１７０ｂなど）に対する説明、オブジェクトの位置（例えば、ＧＰＳ位置、オブジェクト近くの距離標識（ｍｉｌｅ ｍａｒｋｅｒ）など）、オブジェクト間の距離、鉄道環境の画像１８２がキャプチャされた時間、鉄道環境の画像１８２がキャプチャされた日付などを含んでもよい。いくつかの実施形態では、１つ以上のラベルが画像１８２に重ねられる。図２に示す実施形態では、ラベルは、タンク識別（Ｔａｎｋ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）２１０、線路識別（ｔｒａｃｋ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）２２０、距離２３０、及び警報１８４を含む。

【0040】

画像１８２のタンク識別２１０（即ち、タンク識別２１０ａ及びタンク識別２１０ｂ）は、画像１８２内のタンクを識別するように使用されるラベルである。タンク識別２１０は、図２に示す実施形態では破線のボックスで表現されているが、タンク識別２１０は、任意の適切な方法で表現されてもよい。例えば、タンク識別２１０は、実線のボックス、ハイライトされた領域、文字、数字、それらの組み合わせなどで表現されてもよい。特定の実施形態では、図１の画像検出ツール１８０は、画像１８２内のタンク１７０ａを識別して、タンク１７０ａをタンク識別２１０ａにラベル付けしてもよい。同様に、画像検出ツール１８０は、画像１８２内のタンク１７０ｂを識別してタンク１７０ｂをタンク識別２１０ｂにラベル付けしてもよい。画像１８２のタンク識別２１０ａは、タンク１７０ａの平面図における外部周縁を示す。画像１８２のタンク識別２１０ｂは、タンク１７０ｂの平面図における外部周縁を示す。

【0041】

画像１８２の線路識別２２０は、画像１８２内で鉄道線路を識別するように使用されるラベルである。線路識別２２０は、図２に示す実施形態では破線で表現されているが、線路識別２２０は、任意の適切な方法で表現されてもよい。例えば、線路識別２２０は、実線、太線、ハイライトされた領域、文字、数字、それらの組み合わせなどで表現されてもよい。特定の実施形態では、図１の画像検出ツール１８０は、画像１８２内の鉄道線路１３０ａ及び鉄道線路１３０ｂを識別し、鉄道線路１３０ａ及び鉄道線路１３０ｂを線路識別２２０でラベル付けする。画像１８２の各線路識別２２０は、レールの中心線を示す。例えば、画像１８２の鉄道線路１３０ａに沿った２つの破線は、鉄道線路１３０ａの内側及び外側レールの中心線を示す。別の例として、画像１８２の鉄道線路１３０ｂに沿った２つの破線は、鉄道線路１３０ｂの内側及び外側レールの中心線を示す。

【0042】

画像１８２の距離２３０は、タンク１７０と鉄道線路１３０との間の距離を示すために使用されるラベルである。距離２３０は、図２に示す実施形態では両端に矢印を有する実線で表現されているが、距離２３０は、任意の適切な方法で表現されてもよい。例えば、距離２３０は、両端に矢印を有する破線、両端に目盛りを有する実線、太線、文字、数字、それらの組み合わせなどで表示されてもよい。特定の実施形態では、タンク１７０ａと鉄道線路１３０ｂとの間の距離２３０ａは、平面図で、鉄道線路１３０ｂの外側レールの中心線からタンク１７０ａの外縁まで測定された最短距離である。いくつかの実施形態では、タンク１７０ｂと鉄道線路１３０ｂとの間の距離２３０ｂは、平面図で、鉄道線路１３０ｂの外側レールの中心線からタンク１７０ｂの外縁まで測定された最短距離である。画像１８２の距離２３０は、タンク１７０と鉄道線路との間の実際の（例えば、地理的な）距離を示す。距離２３０は、メートル法単位（例えば、メートル、センチメートルなど）、標準単位（例えば、フィート、インチなど）などを使用して表現され得る。特定の実施形態では、距離２３０は、実際の現場で測定された距離に近似（例えば、３パーセント、５パーセント、又は１０パーセント以内）であり得る。

【0043】

画像１８２の警報１８４は、画像１８２内の危険を識別するように使用されるラベルである。図２に示す実施形態では、警報１８４は、タンク１７０ａに関連する高リスク警報１８４ａ及びタンク１７０ｂと関連する中程度リスク警報１８４ｂを含む。特定の実施形態では、図１の画像検出ツール１８０は、距離２３０を１つ以上の所定の閾値距離と比較することに応答して警報１８４を生成する。例えば、画像検出ツール１８０は、タンク１７０ａが鉄道環境に危険をもたらすことを決定するために、タンク１７０ａと鉄道線路１３０ｂとの間の距離２３０ａ（例えば、１８フィート）を第１の所定の閾値距離（例えば、５０フィート）と比較してもよい。同様に、画像検出ツール１８０は、タンク１７０ｂが鉄道環境に危険をもたらすことを決定するために、タンク１７０ｂと鉄道線路１３０ｂとの間の距離２３０ｂ（例えば、３０フィート）を第１の所定の閾値距離（例えば、５０フィート）と比較してもよい。別の例として、画像検出ツール１８０は、タンク１７０ａが鉄道環境に高いリスクをもたらすことを決定するために、タンク１７０ａと鉄道線路１３０ｂとの間の距離２３０ａ（例えば、１８フィート）を第２の所定の閾値距離（例えば、２０フィート）と比較してもよい。同様に、画像検出ツール１８０は、タンク１７０ａが鉄道環境に中程度のリスクをもたらすことを決定するために、タンク１７０ｂと鉄道線路１３０ｂとの間の距離２３０ｂ（例えば、３０フィート）を第２の所定の閾値距離（例えば、２０フィート）と比較してもよい。

【0044】

これらの決定に応答して、画像検出ツール１８０は、危険及び／又はリスクのレベルを１人以上の個人（例えば、管理者、エンジニアなど）に知らせるために、警報１８４を生成してもよい。警報１８４は、図２に示す実施形態では、文字、数字、及び記号の組み合わせで表現されているが、警報１８４は、任意の適切な方法で表現されてもよい。例えば、警報１８４ａは、タンク１７０ａの周辺に赤いボックスを配置することによって、タンク１７０ａを高リスクとして識別してもよい。別の例として、警報１８４ｂは、タンク１７０ｂの周辺にオレンジ色のボックスを配置することによって、タンク１７０ｂを中程度のリスクに識別してもよい。

【0045】

図２は、画像１８２内の鉄道線路１３０、タンク１７０、タンク識別２１０、線路識別２２０、距離２３０、及び警報１８４の特定の配置を示しているが、本開示は、鉄道線路１３０、タンク１７０、タンク識別２１０、線路識別２２０、距離２３０、及び画像１８２内の警報１８４の任意の適切な配置を企図する。例えば、タンク１７０ａ及び／又はタンク１７０ｂは、鉄道線路１３０ｂよりも鉄道線路１３０ａの近くに配置されてもよい。別の例として、線路識別２２０は、鉄道線路１３０ａのレールの中心線ではなく、鉄道線路１３０ａの中心線を示してもよい。また別の例として、警報１８４は、平面図で画像１８４の上部付近ではなく、平面図における画像１８４の下部付近に配置されてもよい。

【0046】

図２は、画像１８２内の鉄道線路１３０、タンク１７０、タンク識別２１０、線路識別２２０、距離２３０、及び警報１８４の特定の数を示しているが、本開示は、鉄道線路１３０、タンク１７０、タンク識別２１０、線路識別２２０、距離２３０、及び画像１８２内の警報１８４の任意の適切な数を企図する。例えば、画像１８２は、２つより多い又は少ないタンク１７０を含んでもよい。別の例として、画像１８２は、２つより多い又は少ない警報１８４を含んでもよい。図２の画像１８２は、鉄道システムに関連付けられているが、画像１８２は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連してもよい。

【0047】

図３は、鉄道環境においてタンクを検出するための例示的な方法３００を示す。方法３００は、ステップ３０５から開始する。ステップ３１０で、訓練モジュール（例えば、図１の訓練モジュール１９０）は、鉄道環境内のタンク（例えば、図１の鉄道環境１２０内のタンク１７０）を識別するように画像検出ツール（例えば、図１の画像検出ツール１８０）を訓練する。特定の実施形態では、訓練モジュールは、タンクを検出するように画像検出ツールを訓練するために、訓練画像（例えば、図１の訓練画像１９２）を使用する。訓練モジュールは、タンクを検出するように画像検出ツールを訓練するために、深層学習アプローチ及び／又は機械学習アプローチを使用してもよい。次に、方法３００は、ステップ３１０からステップ３１５に移動する。

【0048】

方法３００のステップ３１５で、画像検出ツールは、鉄道環境の画像（例えば、図２の画像１８２）をスキャンする。画像は、鉄道車両が鉄道環境で鉄道線路（例えば、図１の鉄道線路１３０ｂ）に沿って移動する間、鉄道車両（例えば、図１の鉄道車両１４０）に取り付けられたカメラ（例えば、図１のカメラ１５０）によってキャプチャされ得る。特定の実施形態では、画像検出ツールは、カメラから画像を受信する。次に、方法３００は、ステップ３１５からステップ３２０に移動する。

【0049】

方法３００のステップ３２０で、画像検出ツールは、画像が１つ以上のタンクを含むか否かを決定する。画像検出ツールが画像内のタンクを識別しない場合、方法３００は、ステップ３２０からステップ３７０に進み、方法３００は終了する。ステップ３２０で、画像検出ツールが画像内のタンクを識別する場合、方法３００は、ステップ３２０からステップ３２５に進み、画像検出ツールがタンクの位置を決定する。タンクの位置は、画像内のタンクの位置、物理的な位置（例えば、ＧＰＳ位置）、画像の１つ以上の他のオブジェクトに対するタンクの位置などであり得る。特定の実施形態では、タンクの決定された位置は、タンクの実際の物理的な位置に近似している（例えば、１０パーセント以内）。次に、方法３００は、ステップ３２５からステップ３３０に移動する。

【0050】

方法３００のステップ３３０で、画像検出ツールは、タンクに最も近い画像内の鉄道線路の位置を決定する。例えば、画像検出ツールは、タンクに最も近い鉄道線路（例えば、図２の鉄道線路１３０ｂ）の外側レールの中心線の位置を決定してもよい。別の例として、画像検出ツールは、タンクに最も近い鉄道線路の中心線の位置を決定してもよい。特定の実施形態では、鉄道線路の決定された位置は、鉄道線路の実際の物理的な位置に近似している（例えば、１０パーセント以内）。次に、方法３００は、ステップ３３０からステップ３３５に移動する。

【0051】

方法３００のステップ３３５で、画像検出ツールは、タンクと鉄道線路との間の距離を決定する。例えば、画像検出ツールは、平面図におけるタンクの外部周縁と最も近い鉄道線路の外側レールの中心線との間の物理的距離（例えば、１８フィート）を決定してもよい。また別の例として、画像検出ツールは、平面図におけるタンクの外部周縁と最も近い鉄道線路の中心線との間の物理的距離（例えば、２０フィート）を決定してもよい。次に、方法３００は、ステップ３３５からステップ３５０に移動する。

【0052】

方法３００のステップ３４０で、画像検出ツールは、タンクと鉄道線路との間の距離が第１の所定の距離（例えば、５０フィート）以下であるか否かを決定する。画像検出ツールがタンクと鉄道線路との間の距離が第１の所定の距離より大きいと決定した場合、方法３００は、ステップ３４０からステップ３７０に進み、方法３００は終了する。ステップ３４０で、画像検出ツールが、タンクと鉄道線路との間の距離が第１の所定の距離以下であると決定した場合、方法３００は、ステップ３４０からステップ３４５に進み、画像検出ツールは、タンクが鉄道環境にリスクをもたらすと決定する。次に、方法３００は、ステップ３４５からステップ３５０に移動する。

【0053】

方法３００のステップ３５０で、画像検出ツールは、タンクと鉄道線路との間の距離が第２の所定の距離（例えば、２０フィート）以下であるか否かを決定する。画像検出ツールが、タンクと鉄道線路との間の距離が第２の所定の距離より大きいと決定した場合、方法３００は、ステップ３５０からステップ３６０に進む。ステップ３５０で、画像検出ツールが、タンクと鉄道線路との間の距離が第２の所定の距離以下であると決定した場合、方法３００は、ステップ３５０からステップ３５５に進み、画像検出ツールは、タンクが鉄道環境に高いリスクをもたらすと決定する。次に、方法３００は、ステップ３３５からステップ３６０に移動する。

【0054】

方法３００のステップ３６０で、画像検出ツールは、リスクを示す警報（例えば、図２の警報１８４ａ又は警報１８４ｂ）を生成する。例えば、画像検出ツールは、タンクと鉄道線路との間の距離が第１の所定の閾値（例えば、５０フィート）より小さい又は等しいが、第２の所定の閾値（例えば、２０フィート）より大きい場合、タンクが鉄道環境にリスク（例えば、低いリスク又は中程度のリスク）を提示することを示す警告を生成してもよい。別の例として、画像検出ツールは、タンクと鉄道線路との間の距離が所定の第２の所定の閾値（例えば、２０フィート）以下である場合、タンクは、鉄道環境に高いリスクをもたらすことを示す警告を生成してもよい。次に、方法３００は、ステップ３６０からステップ３６５に進み、画像検出ツールが警報をオペレータ（例えば、管理者、エンジニアなど）に伝達する。次に、方法３００は、ステップ３５５からステップ３６０に進み、方法３００は終了する。

【0055】

図３に示される方法３００に対して、修正（ｍｏｄｉｆｉｃａｔｉｏｎ）、追加（ａｄｄｉｔｉｏｎ）、又は省略（ｏｍｉｓｓｉｏｎ）を行うことができる。方法３００は、より多くの、より少ない、又は他のステップを含み得る。例えば、方法３００は、タンクが鉄道環境に対して低いリスク又は中程度のリスクをもたらすか否かを決定するための追加のステップを含んでもよい。別の例として、方法３００は、画像内で第２タンクを識別し、第２タンクが鉄道環境にリスクをもたらすか否かを決定するための１つ以上の追加ステップを含んでもよい。また別の例として、方法３００は、タンクの特性（例えば、サイズ、形状など）を決定し、特性に基づいて、タンクが危険物を含んでいるか否かを決定する１つ以上のステップを含んでもよい。方法４００の１つ以上のステップは、リアルタイムで実行され得る。

【0056】

方法３００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連してもよい。方法３００のステップは、並行して、又は任意の適切な順序で実行され得る。方法３００のステップを完了する特定の構成要素として論じられるが、任意の適切な構成要素は、方法３００の任意のステップを実行してもよい。例えば、方法３００の１つ以上のステップは、図４のコンピュータシステムの１つ以上の構成要素を使用して自動化されてもよい。特定の実施形態では、方法３００の１つ以上のステップは、機械学習アプローチ（例えば、ＹＯＬＯ）を使用して決定される。

【0057】

図４は、本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。例えば、図１のネットワーク１１０、カメラ１５０、画像検出ツール１８０、及び／又は訓練モジュール１９０は、１つ以上のインターフェース４１０、処理回路４２０、メモリ４３０、及び／又は他の適切な要素を含んでもよい。インターフェース４１０は、入力を受信し、出力を送信し、入力及び／又は出力を処理して、及び／又は他の適切な動作を実行する。インターフェース４１０は、ハードウェア及び／又はソフトウェアを含み得る。

【0058】

処理回路４２０は、構成要素の動作を実行又は管理する。処理回路４２０は、ハードウェア及び／又はソフトウェアを含み得る。処理回路の例は、１つ以上のコンピュータ、１つ以上のマイクロプロセッサー、１つ以上のアプリケーションなどを含む。特定の実施形態では、処理回路４２０は、入力から出力を生成するなどのアクション（例えば、動作）を実行するめのロジック（例えば、命令）を実行する。処理回路４２０によって実行されるロジックは、１つ以上の有形の非一時的なコンピュータ可読媒体（例えば、メモリ４３０）に符号化され得る。例えば、ロジックは、コンピュータプログラム、ソフトウェア、コンピュータ実行可能命令、及び／又はコンピュータによって実行可能である命令を含んでもよい。特定の実施形態では、実施形態の動作は、コンピュータプログラムを格納、実現及び／又は符号化、及び／又は格納及び／又は符号化されたコンピュータプログラムを有する１つ以上のコンピュータ可読媒体によって実行されてもよい。

【0059】

メモリ４３０（又はメモリユニット）は、情報を格納する。メモリ４３０（例えば、図１のメモリ１２４）は、１つ以上の非一時的、有形、コンピュータ可読、及び／又はコンピュータ実行可能記憶媒体を含み得る。メモリ４３０の例は、コンピュータメモリ（例えば、ＲＡＭ又はＲＯＭ）、大容量記憶媒体（例えば、ハードディスク）、リムーバブル記憶媒体（例えば、コンパクトディスク（ＣＤ）又はデジタルビデオディスク（ＤＶＤ））、データベース及び／又はネットワークストレージ（例えば、サーバ）及び／又はその他コンピュータ可読媒体を含む。

【0060】

本明細書では、コンピュータ可読非一時的記憶媒体又は媒体は、１つ以上の半導体ベース又は他の集積回路（ＩＣ）（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又は特定用途向け集積回路（ＡＳＩＣ））、ハードディスクドライブ（ＨＤＤ）、ハイブリッドハードドライブ（ＨＨＤ）、光ディスク、光ディスクドライブ（ＯＤＤ）、光磁気ディスク、光磁気ドライブ、フロッピーディスク、フロッピーディスクドライブ（ＦＤＤ）、磁気テープ、ソリッドステートドライブ（ＳＳＤ）、ＲＡＭドライブ、ＳＤ（ＳＥＣＵＲＥ ＤＩＧＩＴＡＬ）カード又はドライブ、その他の適切なコンピュータ可読の非一時的記憶媒体、又は必要に応じてこれらの２以上の適切な組み合わせを含み得る。コンピュータ可読非一時的記憶媒体は、必要に応じて、揮発性、不揮発性、又は揮発性と不揮発性の組み合わせであり得る。

【0061】

本明細書において、「又は」は、従って、本明細書において、「Ａ又はＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、「Ａ、Ｂ、又はその両方」を意味する。また、「及び」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、共同及び複数を意味する。従って、本明細書で「Ａ及びＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、「Ａ及びＢ、共同、又は個別」を意味する。

【0062】

本開示の範囲は、当業者が理解することのできる本明細書に記載又は図示された例示的な実施形態に対する全ての変更、置換、変形、変更及び修正を含む。本開示の範囲は、本明細書に記載又は図示された例示的な実施形態に限定されない。さらに、本開示は、特定の構成要素、要素、特徴、機能、動作、又はステップを含むものとして本明細書のそれぞれの実施形態を説明及び例示しているが、これらの実施形態のいずれも、当業者が理解し得る本明細書のどこかに記載又は図示された構成要素、要素、特徴、機能、動作、又はステップのうちの任意の組み合わせ又は順列を含み得る。さらに、添付の特許請求の範囲において、装置又はシステム、あるいは装置又はシステムの構成要素が、特定の機能を実行するように適合、配置、能力、構成、有効、操作可能、又は動作可能であるとの言及は、そのように適合、配置、能力、構成、有効、操作可能、又は動作可能であれば、装置又はその特定の機能が、起動、オン、又はアンロックされているか否かにかかわらず、その装置、システム、構成要素を含む。さらに、本開示は、特定の利点を提供するものとして特定の実施形態を説明又は図示しているが、特定の実施形態は、これらの利点のいずれも提供しないか、一部を提供、又は全てを提供し得る。

【図1】

【図2】

【図3】

【図4】

【手続補正書】

【提出日】2021-08-23

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

方法であって、
画像検出ツールによって、鉄道環境の画像内のタンクを識別するステップと、
前記画像検出ツールによって、前記鉄道環境の画像内の鉄道線路を識別するステップと、
前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記画像検出ツールによって、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む、
方法。

【請求項2】

前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、前記所定の閾値距離が５０フィートである、請求項１に記載の方法。

【請求項3】

前記画像検出ツールによって、前記タンクと前記鉄道線路との間の距離に基づいて、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップを含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項１に記載の方法。

【請求項4】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項１に記載の方法。

【請求項5】

機械学習モデルを使用して前記タンクを識別するように前記画像検出ツールを訓練するステップをさらに含む、請求項１に記載の方法。

【請求項6】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の前記距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項１に記載の方法。

【請求項7】

前記画像検出ツールによって、前記警報を生成するステップをさらに含み、
前記警報は、
前記危険の表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記タンクと前記鉄道線路との間の前記距離、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうちの少なくとも１つを含む、
請求項１に記載の方法。

【請求項8】

１つ以上のプロセッサ及び命令を格納するメモリを含む装置であって、
前記１つ以上のプロセッサによって実行されるとき、前記命令は、１つ以上のプロセッサに、
鉄道環境の画像内でタンクを識別するステップと、
前記鉄道環境の画像内で鉄道線路を識別するステップと、
前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む動作を実行させる、
装置。

【請求項9】

前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、前記所定の閾値距離が５０フィートである、請求項８に記載の装置。

【請求項10】

前記動作は、前記タンクと前記鉄道線路との間の前記距離に基づいて、危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項８に記載の装置。

【請求項11】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項８に記載の装置。

【請求項12】

前記動作は、機械学習モデルを使用して前記タンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項８に記載の装置。

【請求項13】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の前記距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項８に記載の装置。

【請求項14】

前記動作は、前記画像検出ツールによって、警報を生成するステップをさらに含み、
前記警報は、
前記危険の表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記タンクと前記鉄道線路との間の前記距離、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうちの少なくとも１つを含む、
請求項８に記載の装置。

【請求項15】

命令を格納する１つ以上のコンピュータ可読記憶媒体において、
プロセッサによって実行されるとき、前記命令は、前記プロセッサに、
鉄道環境の画像内でタンクを識別するステップと、
前記鉄道環境の画像内で鉄道線路を識別するステップと、
前記タンクと前記鉄道線路との間の距離を決定するステップと、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するステップと、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
を含む動作を実行させる、
記憶媒体。

【請求項16】

前記動作は、前記タンクと前記鉄道線路との間の距離が前記所定の閾値距離以下であると決定するステップをさらに含み、
前記所定の閾値距離が５０フィートである、請求項１５に記載の記憶媒体。

【請求項17】

前記動作は、前記タンクと前記鉄道線路との間の前記距離に基づいて、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含み、
前記高いリスクは、０から２０フィートの距離と関連し、
前記中程度のリスクは、２１から３０フィートの距離と関連し、
前記低いリスクは、３１から５０フィートの距離と関連する、
請求項１５に記載の記憶媒体。

【請求項18】

前記画像は、前記鉄道環境を通って前記鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされ、
前記鉄道車両は、
機関車、又は
ジオメトリ車両のうちの１つである、
請求項１５に記載の記憶媒体。

【請求項19】

前記動作は、機械学習モデルを使用して前記タンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項１５に記載の記憶媒体。

【請求項20】

前記画像は、前記鉄道線路と１つ以上の他の鉄道線路とを含み、
前記鉄道線路は、前記１つ以上の他の鉄道線路よりも前記タンクにさらに近く、
前記タンクと前記鉄道線路との間の距離は、前記鉄道線路の外側レールの中心線から前記タンクの外縁まで平面で見るとき、測定された最短距離である、
請求項１５に記載の記憶媒体。

【請求項21】

装置であって、
鉄道環境の画像内でタンクを識別するための手段と、
前記鉄道環境の画像内で鉄道線路を識別するための手段と、
前記タンクと前記鉄道線路との間の距離を決定するための手段と、
前記タンクと前記鉄道線路との間の距離を所定の閾値距離と比較するための手段と、
前記タンクと前記鉄道線路との間の距離を前記所定の閾値距離と比較することに応答して、前記タンクが前記鉄道環境に危険をもたらすかを決定するための手段と、
を含む、
装置。

【請求項22】

請求項２～請求項７のいずれかに記載の方法を実現するための手段をさらに含む、
請求項２１に記載の装置。

【請求項23】

コンピュータによって実行されるとき、前記コンピュータに、請求項１～請求項７のいずれかに記載の方法のステップを実行させる命令を含む、コンピュータプログラム、コンピュータプログラム製品、又はコンピュータ可読媒体。

【請求項24】

方法であって、
画像検出ツールによって、複数のタンクの分類を決定するステップであって、前記複数のタンクの分類が、危険物質に関連する第１タンクの分類、及び非危険物質に関連する第２タンクの分類を含むステップと、
前記画像検出ツールによって、鉄道環境の画像内でタンクを識別するステップと、
前記画像検出ツールによって、前記タンクと関連する１つ以上の特性を決定するために前記タンクを分析するステップと、
前記画像検出ツールによって、前記１つ以上の特性に基づいて、前記タンクを前記第１タンクの分類に分類するステップと、
前記画像検出ツールによって、前記タンクを前記第１タンクの分類に分類することに基づいて、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
前記画像検出ツールによって、前記タンクが前記鉄道環境に危険をもたらすかの決定に応答して、警報を生成するステップと、
を含む、
方法。

【請求項25】

前記画像検出ツールによって、前記タンクと鉄道線路との間の距離を決定するステップと、
前記画像検出ツールによって、前記タンクと鉄道線路との間の距離が所定の閾値距離以下であると決定するステップであって、前記所定の閾値距離が５０フィートであるステップをさらに含む、
請求項２４に記載の方法。

【請求項26】

前記画像検出ツールによって、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含む、請求項２４に記載の方法。

【請求項27】

前記画像は、鉄道環境を通って鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされる、請求項２４に記載の方法。

【請求項28】

機械学習モデルを使用して前記タンクを識別するように前記画像検出ツールを訓練するステップをさらに含む、請求項２４に記載の方法。

【請求項29】

前記１つ以上の特性は、
前記タンクの長さ、
前記タンクの幅、
地面に対する前記タンクの高さ、
前記タンクの形、及び
前記タンクの屋根のタイプ、
のうちの１つ以上を含む、
請求項２４に記載の方法。

【請求項30】

前記警報は、
前記危険表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうち少なくとも１つを含む、
請求項２４に記載の方法。

【請求項31】

１つ以上のプロセッサ及び命令を含むメモリを含む装置であって、
前記１つ以上のプロセッサによって実行されるとき、前記命令は、前記１つ以上のプロセッサが、
複数のタンクの分類を決定するステップであって、前記複数のタンクの分類が、危険物質に関連する第１タンクの分類、及び非危険物質に関連する第２タンクの分類を含むステップと、
鉄道環境の画像内でタンクを識別するステップと、
前記タンクと関連する１つ以上の特性を決定するために前記タンクを分析するステップと、
前記１つ以上の特性に基づいて、前記タンクを前記第１タンクの分類に分類するステップと、
前記タンクを第１タンクの分類に分類するステップに基づいて、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
前記タンクが前記鉄道環境に危険をもたらすかの決定に応答して、警報を生成するステップと、
を含む動作を実行させる、
装置。

【請求項32】

前記動作は、
前記タンクと鉄道線路との間の距離を決定するステップと、
前記タンクと鉄道線路との間の距離が所定の閾値距離以下であると決定するステップであって、前記所定の閾値距離が５０フィートであるステップと、
をさらに含む、
請求項３１に記載のシステム。

【請求項33】

前記動作は、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含む、
請求項３１に記載の装置。

【請求項34】

前記画像は、鉄道環境を通って鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされる、請求項３１に記載の装置。

【請求項35】

前記動作は、機械学習モデルを使用して前記タンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項３１に記載の装置。

【請求項36】

前記１つ以上の特性は、
前記タンクの長さ、
前記タンクの幅、
地面に対する前記タンクの高さ、
前記タンクの形、及び
前記タンクの屋根のタイプ、
のうちの１つ以上を含む、
請求項３１に記載の装置。

【請求項37】

前記警報は、
前記危険表示、
前記危険と関連するリスクのレベルの表示、
前記タンクに対する説明、
前記タンクの位置、
前記鉄道環境の画像、
前記鉄道環境の画像がキャプチャされた時間、及び
前記鉄道環境の画像がキャプチャされた日付、
のうち少なくとも１つを含む、
請求項３１に記載の装置。

【請求項38】

命令を具現する１つ以上の非一時的なコンピュータ可読記憶媒体であって、
プロセッサによって実行されるとき、前記命令は、前記プロセッサが、複数のタンクの分類を決定するステップであって、前記複数のタンクの分類が、危険物質に関連する第１タンクの分類、及び非危険物質に関連する第２タンクの分類を含むステップと、
鉄道環境の画像内でタンクを識別するステップと、
前記タンクと関連する１つ以上の特性を決定するために前記タンクを分析するステップと、
前記１つ以上の特性に基づいて、前記タンクを前記第１タンクの分類に分類するステップと、
前記タンクを第１タンクの分類に分類するステップに基づいて、前記タンクが前記鉄道環境に危険をもたらすかを決定するステップと、
前記タンクが前記鉄道環境に危険をもたらすかの決定に応答して、警報を生成するステップと、
を含む動作を実行させる、
非一時的なコンピュータ可読記憶媒体。

【請求項39】

前記動作は、
前記タンクと鉄道線路との間の距離を決定するステップと、
前記タンクと鉄道線路との間の距離が所定の閾値距離以下であると決定するステップであって、前記所定の閾値距離が５０フィートであるステップと、
をさらに含む、
請求項３８に記載の非一時的なコンピュータ可読記憶媒体。

【請求項40】

前記動作は、前記危険を高いリスク、中程度のリスク、又は低いリスクに分類するステップをさらに含む、請求項３８に記載の非一時的なコンピュータ可読記憶媒体。

【請求項41】

前記画像は、前記鉄道環境を通って鉄道線路に沿って移動する鉄道車両に取り付けられたカメラによってキャプチャされる、請求項３８に記載の非一時的なコンピュータ可読記憶媒体。

【請求項42】

前記動作は、機械学習モデルを使用してタンクを識別するように画像検出ツールを訓練するステップをさらに含む、請求項３８に記載の非一時的なコンピュータ可読記憶媒体。

【請求項43】

前記１つ以上の特性は、
前記タンクの長さ、
前記タンクの幅、
地面に対する前記タンクの高さ、
前記タンクの形、及び
前記タンクの屋根のタイプ、
のうちの１つ以上を含む
請求項３８に記載の非一時的なコンピュータ可読記憶媒体。

【請求項44】

装置であって、
複数のタンクの分類を決定するための手段であって、前記複数のタンクの分類が、危険物質に関連する第１タンクの分類、及び非危険物質に関連する第２タンクの分類を含む手段と、
鉄道環境の画像内でタンクを識別するための手段と、
前記タンクと関連する１つ以上の特性を決定するために前記タンクを分析するための手段と、
前記１つ以上の特性に基づいて、前記タンクを前記第１タンクの分類に分類するための手段と、
前記タンクを前記第１タンクの分類に分類することに基づいて、タンクが鉄道環境に危険をもたらすかを決定するための手段と、
前記タンクが前記鉄道環境に危険をもたらすかの決定に応答して、警報を生成する手段と、
を含む、
装置。

【請求項45】

請求項２５～請求項３０のいずれかに記載の方法を実現するための手段をさらに含む、
請求項４４に記載の装置。

【請求項46】

コンピュータによって実行されるとき、前記コンピュータに、請求項２４～請求項３０のいずれかに記載の方法のステップを実行させる命令を含む、コンピュータプログラム、コンピュータプログラム製品、又はコンピュータ可読媒体。

【国際調査報告】