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。

目錄 錄
中文摘要要I
英文摘要要II
目錄III
圖目錄V
表目錄 VII
第一章 緒論 1-1
1.1 研究緣起與電機 1-1
1.2 研究項目的 1 -2
1.3 研究範圍、對象與利害關係人 1-2
1.4 研究內容與方法 1-3
第二篇 台鐵軌道巡查現狀 2-1 2 .1
軌道檢查 2-1
2.1.1 日巡查 2-2
2.1. 2定期檢查 2-8
2.2 道路巡查作業 2-11
2.3 台鐵軌道巡查特性 2-23
第三章 軌道巡查項目之危安狀況分類算3-1
3.1 軌道問題發生頻率分析 3-1
3.2 軌道問題之危險情況樣 3-7
3.3 軌道問題之風險評價 3-20
第四章 應用人智慧表達知識技術輔助巡查評價 4-1
4.1 影形象認識理論與Yolo模型 4-1
4.1.1形象認識的理論 4-1
4.1.2 Yolo模型 4-6
4.2
應用人工智慧輔助巡查之評價 4-10第五章 擴大應用人工智慧輔助巡查之方向研究提5-1
第六章 結論與建議 6-1
6.1 結論 6-1
6.2 建議 6-4
6.3 研究成果之效益 6-5
6.4 提供政府單位職位應用情況 6-5
參考文獻 參-1
附錄一 交通部台灣鐵道管理局線路巡查安全作業程序附錄1-1
附錄二危安嚴重性問卷調查表 附件2-1
附件三 專家座談會紀要 附件3-1
附件四 第1次工作會議紀要 附件4-1
附件五第2次工作會議紀要 附錄5-1
附錄六 第3次工作會議紀要附錄6-1
附錄七期末審查意見及事務處理情況說明表附錄7-1
附錄八期末報告簡報資料附錄8-1