Computer Vision · CASO STUDIO

Dati di viaggio letti in automatico dai display dei treni

Estrazione dati dai display dei treni

Un sistema per leggere dati operativi da sequenze di immagini dei display ferroviari, anche con riflessi, movimento e condizioni di illuminazione variabili.

4.000–12.000: immagini per viaggio
6: indicatori letti
1–3 s: intervallo di acquisizione

YOLOv11OCRElaborazione immagini

Fotografia illustrativa di un treno sui binari

Computer Vision

Immagine illustrativa

IL PROGETTO IN DETTAGLIO

Contesto e obiettivo.

Il cliente acquisiva da 4.000 a 12.000 immagini per viaggio in treno, fotografando il display di bordo relativo a energia e trazione ogni 1–3 secondi. L’estrazione manuale era impraticabile a causa di immagini sfocate, variazioni di illuminazione (gallerie, riflessi, ombre), problemi di messa a fuoco e prospettive inclinate.

L’obiettivo era realizzare un sistema AI automatizzato capace di leggere sei indicatori principali dalle immagini dei display

01 / ESIGENZA DEL CLIENTE

Il problema da risolvere.

L’OCR tradizionale non funzionava perché molti valori non erano testuali, ma rappresentati da livelli di barre, indicatori triangolari e lancette. Serviva un modello di visione capace di rilevare barre, segmenti e marcatori geometrici, oltre a leggere il testo.

Il dataset presentava:

Immagini scure nelle gallerie
Forti riflessi sul vetro
Gradienti di ombra
Sfocatura da movimento
Vibrazioni della fotocamera e lieve rotazione
Instabilità della messa a fuoco automatica
Luminosità e contrasto irregolari

02 / SOLUZIONE

Come ho affrontato il progetto.

Ho sviluppato una pipeline di estrazione in due fasi che combina YOLOv11-M, OCR ed elaborazione cloud AWS:

Modello YOLOv11-M per il rilevamento degli elementi visivi
OCR e AWS per i valori numerici
Strutturazione dei dati in Excel

IL FUNZIONAMENTO

Dai dati al risultato.

Immagini in movimento

Fotografie del display di bordo acquisite durante i viaggi, con riflessi, vibrazioni, gallerie e illuminazione variabile.

Indicatori e numeri

YOLOv11-M individua barre, marcatori e strumenti; AWS Textract legge i valori numerici nelle aree di interesse.

Serie di dati in Excel

Consumi, recupero energetico, corrente e velocità vengono ripuliti, normalizzati e riuniti per l’analisi.

Schema descrittivo del flusso di lavoro del progetto.

03 / SVILUPPO

Le fasi del progetto.

2 fasi, dalla preparazione iniziale agli strumenti da consegnare.

01FASE

Addestramento YOLOv11-M per l’estrazione dei dati visivi

Annotazione completa e addestramento di YOLOv11-M per rilevare tutti gli elementi visivi del display del treno: grafici a barre, picchi delle barre, direzione della trazione (blu e rosso), triangolo indicatore della corrente e aree degli strumenti di misura.

Il modello è stato ottimizzato per gestire sfocatura, riflessi, gallerie scure, rotazione e messa a fuoco instabile.

02FASE

Pipeline AWS Textract e sistema di esportazione dei dati in Excel

Sviluppo di una pipeline OCR robusta con AWS Textract per estrarre campi numerici come consumo energetico, recupero di energia, corrente e velocità.

Include pulizia del testo, normalizzazione, correzioni specifiche di settore e un’applicazione automatizzata che esporta tutti i dati elaborati direttamente in un file Excel strutturato, pronto per l’analisi.

04 / RISULTATI E CONSEGNA

Il risultato del lavoro.

Il progetto realizza un sistema completamente automatizzato per estrarre e interpretare i dati dalle immagini dei display dei treni, combinando OCR avanzato, rilevamento visivo YOLOv11-M e generazione di file Excel strutturati. La pipeline combinata raggiunge una precisione vicina al 100% , anche in condizioni difficili come sfocatura, riflessi, gallerie scure, inquadrature inclinate e illuminazione irregolare.

Il sistema è stato testato ampiamente su nuovi dataset forniti dal cliente, confermando prestazioni stabili e una buona capacità di generalizzazione su immagini mai viste. Grazie all’elevata precisione e affidabilità, il cliente ha richiesto subito altri progetti simili, confermando il successo e il valore concreto della soluzione.

Estrazione affidabile di tutte le metriche dei display, anche da immagini instabili o di bassa qualità
Precisione quasi perfetta grazie a un modello YOLOv11-M personalizzato e alle fasi di validazione OCR
Notevole risparmio di tempo per il cliente, eliminando la revisione manuale di migliaia di immagini
Pipeline scalabile, pronta per estensioni future, nuovi indicatori e funzionalità di automazione
La qualità del progetto ha portato il cliente a commissionare diversi ordini successivi

Le prestazioni riportate descrivono i risultati indicati nella scheda originale e i dati di quel progetto. Accuratezza e tempi di elaborazione dipendono da dataset, hardware e condizioni di test.

IL PROSSIMO PROGETTO

Parliamo del tuo
progetto.

Descrivimi cosa vuoi ottenere e quali dati hai a disposizione. La prima call di 30 minuti è gratuita.

Parliamo del tuo progetto