这两天，除了令人揪心的全球疫情，T179次列车的失事不禁让人感叹世事无常。
3月30日中午，从济南开往广州的T179次列车，在湖南郴州境内发生侧翻事故，有车厢脱轨，事故共造成一名值乘民警牺牲，4人重伤123人轻伤。
受连日降雨影响，当时事故路段发生塌方。虽然列车司机在发现塌方事故后采取了紧急制动，但是列车仍然撞上了塌方体，同时车轮与钢轨高速摩擦产生火花，导致第一节电车起火，部分车厢随后发生侧翻。目前，事故具体原因仍在调查中。
铁路轨道线路设备常年裸露在露天环境中，在恶劣天气和列车负载的作用下，设备技术状态不断发生变化，尽管有关路局工务部门已制定全面的维护计划，定期安排巡线员、检修员进行巡检，但由于现场巡检情况无法复核的局限性以及设备在白天发生突变的概率性等（比如此次事故突发的塌方），难以100%发现与解决铁路线路设备的异常情况。
庆幸的是，随着人工智能技术的发展与革新，铁路安全巡检也有了更为高效的智能化巡检方案。正如云创大数据开发的铁路病态非接触检测系统，通过在铁路线路设备前端安装定点工业级高清智能摄像机进行实时图像采集，并在后端采用深度学习方法，对采集的图像信息进行智能分析，对铁路线路设备异常状态实时监控，从而提高铁路轨道巡检效率。
可以说，铁路病态非接触检测系统通过视频巡检与人工巡检相结合，实现轨道线路全天不间断巡检，并结合图像自动分析与预警信息推送，及时消除隐患，保证列车行驶安全。目前，轨道交通安全保障总体准确率已达到95%以上。
与单纯依靠人力巡检相比，铁路病态非接触检测系统的优势明显：
具体而言，铁路病态非接触检测系统当前已支持分析的铁路病态有螺栓异常检测、轨缝异常检测，开发完善中的检测功能包括轨道掉块检测、轨枕裂纹检测、沿线标志异常检测、联结部件异常检测、轨道异物检测等。
1.螺栓异常检测
包括螺栓松动、脱落、缺失状态的检测，检测准确率：93.72%，平均每张检测耗费时间：0.31秒。经测试，该模型在多角度，不同尺度下均能够识别出螺栓的状态。模型分析效果示例：
2.轨缝异常检测
包括轨缝过大、轨缝顶死状态的检测，检测准确率：92.4%，平均每张检测耗费时间0.4秒，分析效果示例如下：
3.其他可实现功能
在螺栓异常检测、轨缝异常检测之外，铁路病态非接触检测系统还可实现对人员闯入、塌方、异物、铁轨变形、水淹、沉降等异常情况的检测，更多可实现功能具体如下：
