本課題深入分析台灣鐵路局現時進行的軌道線路檢查作業，探討研究所故障軌道零件偵測系統的應用延伸方向。
我們從目前開展的軌道巡檢工作情況入手，在實際巡檢作業中，對巡檢人員、巡檢頻次、存在問題的巡檢方式、維修處理方式等進行了全面梳理。然後，我們分析了每次檢查的發生頻率和潛在危險的方式，通過風險矩陣法評估了每個檢查項目的安全和保障風險。我們進一步評估每個檢查項目，並探索使用人工智能圖像識別技術替代人工視覺檢查並輔助執行檢查操作的可能性。最後，我們提出了人工智能識別技術在輔助巡檢中的延伸應用方向。
研究結果建議：未來可通過擴大螺栓鬆動檢查的識別細節，進一步深化已有識別；在軌枕、道床、淨空、軌道異物等物體檢測中，可進一步評估海量可識別圖像的可獲得性，建立高精度識別模型；可研究開發人工智能識別與振動檢測相結合的設備，檢測軌道不平整處和接頭鬆動問題；並嘗試開發結合激光或激光雷達技術的人工智能識別，以提高鋼軌損傷和斷裂識別的準確性。
