1909 年建成的京张铁路，是中国铁路梦的开端。在 110 年后的 2019 年，京张铁路历经沧桑，迎来了并行交叉的京张高铁，同年，中国高速铁路营业总里程超过 3.5 万公里，单是中国运量最大、运输最繁忙的京沪高铁，就已累计发送旅客超过 10 亿人次……

作为高铁的普通乘客，我们可能感受到的是高铁线路持续增多，准时准点、安全快捷，为商旅带来的体验优化；在不少区域线路上，高铁也成为通勤交通工具的重要组成部分。在准时准点、安全便捷的背后，其实是铁路工作人员的默默付出以及新技术的不断投入。比如，针对冬季高寒风雪，高铁在道岔部位安装的自动融冰雪装置；铁路防护员围绕行车、人身安全、施工和维修作业等场景展开的全方位安全防护工作。

在铁路防护员中有一个特殊的工种——钢轨探伤作业防护员。作为“钢轨的医生”，他们在工作时间随身携带列车无线调度电话、 GPS 定位等通信设备，每隔一段时间联系一次附近站点，确认该线路的铁路运行情况，保证行车及自身安全的情况下定期进行巡检及钢轨探伤。现场采用钢轨探伤仪、通用探伤仪以及手工检查结合，风雨无阻。为了避开列车运行密集时段，他们工作的时间往往在深夜。尽管不少线路已经实现轨道探伤车在线路上行驶拍摄，人员在车厢内肉眼判断是否下车细检，在效率和准确率上还是不尽如人意。

轨道线路检测主要依靠人工，不仅成本高、效率低，视角原因还可能存在漏检，人员的视觉疲劳也容易造成误判，人员安全也遭受挑战。基于现实需求，青云QingCloud 与米文动力打造了云边端协同系统，实现 AI 识别检测方案在轨道探伤领域的应用。

如今，通过在轨检车上接入多个传感器设备，如高清、高分辨率的摄像头、3D 相机等，轨检车可以从不同角度拍摄收集图像信息，通过米文动力边缘计算设备的算法模型进行分析和处理，完成基本探伤识别，同时将数据上传。而传至云端的数据，将会被用于在线标注和模型训练，训练后的模型再向边端远程下发和模型更新。依托 KubeSphere 容器平台提供的高密度算力和跨异构基础设施运行的能力，云边端协同系统得以实现自由调度数据信息，进行跨底层数据存储的模型训练，形成持续优化的闭环，以此，AI 识别检测准确率提升至 95%。

作为一家成立于 2015 年的国家高新技术企业，米文动力致力于为企业提供智能边缘计算产品与技术，是英伟达 Jetson 全球生态推荐合作伙伴。公司自主研发的软硬一体智能边缘计算产品，为众多行业智能化的应用在边缘侧提供了强大的算力保障。

为满足轨道探伤需求，需要将 AI 能力依托米文动力的边缘计算产品延伸到边缘环境，同时，一套云边协同平台的支撑必不可少，以进行全流程无缝便捷管理。青云QingCloud 的 EdgeWize® 边缘计算平台和 KubeSphere 容器平台能很好的完成边缘应用的部署和更新、配置升级和监测运维，使米文动力的终端设备与物联网平台数据模型保持一致，管理无缝衔接。同时，面对严苛的海量数据应用场景，当单桶数据超百亿时，QingStor 性能仍可保持存储图片数据性能稳定。以此强强联合，双方最终达成了解决方案层面的战略合作。

围绕轨道交通场景，随着客户应用的深入，青云QingCloud 与米文动力联合打造的云边端协同系统，在气象预测、动物行为预测、车厢内行为识别等多个方面都有望发挥重要作用，进一步加速工业互联网产业的高速发展。