The object of research, development or design (in Russian) : Объект исследования — процессы и технологии диагностики состояния железнодорожных путей, направленные на выявление, классификацию и оценку дефектов рельсов и других элементов пути.

The object of research, development or design (in Kazakh) : Зерттеу объектісі-рельстер мен жолдың басқа элементтерінің ақауларын анықтауға, жіктеуге және бағалауға бағытталған теміржол жолдарының жай-күйін диагностикалау процестері мен технологиялары.

Aim of work (in Russian) : Разработка методов и алгоритмов автоматизированного выявления, классификации и оценки дефектов железнодорожных путей с использованием технологий искусственного интеллекта для повышения точности мониторинга и безопасности железнодорожной инфраструктуры, что обеспечит надежный контроль состояния и повысит безопасность транспортной системы.

Aim of work (in Kazakh) : Теміржол жолдарының ақауларын автоматты түрде анықтау, жіктеу және бағалау үшін жасанды интеллект технологияларын пайдалану арқылы мониторингтің дәлдігін және теміржол инфрақұрылымының қауіпсіздігін арттыруға бағытталған әдістер мен алгоритмдерді әзірлеу, бұл жағдайдың сенімді бақылауын қамтамасыз етеді және транспорт жүйесінің қауіпсіздігін арттырады.

Методы исследования (на русском) : В проекте будут применены методы исследования на основе машинного и глубокого обучения для анализа изображений и автоматизированного обнаружения дефектов.

Методы исследования (на казахском) : Жобада кескінді талдау және ақауларды автоматтандырылған анықтау үшін машиналық және терең оқыту негізіндегі зерттеу әдістері қолданылады.

Obtained results and novelty (in Russian) : В ходе исследования проведён систематический и библиометрический анализ 560 публикаций из баз Web of Science и Scopus за период 2003–2025 гг., посвящённых распознаванию дефектов с использованием технологий компьютерного зрения и искусственного интеллекта. Установлено, что после 2018 года наблюдается стремительный рост научной активности благодаря внедрению методов глубокого обучения в задачи промышленной диагностики, особенно в области железнодорожного и инфраструктурного мониторинга. С помощью инструментов VOSviewer и Python (heatmaps, network graphs) выделены три ключевых кластера исследований — методы глубокого обучения и искусственного интеллекта, дефектоскопия транспортной и строительной инфраструктуры, а также современные архитектуры детектирования дефектов, включающие attention-механизмы и семантическую сегментацию. Новизна работы заключается в первом комплексном двойном обзоре, объединяющем данные Scopus и Web of Science, а также в применении сочетания методологий PRISMA, PICOC и визуальной аналитики, что позволило выявить скрытые связи между темами и обозначить перспективные направления дальнейших исследований: развитие интерпретируемых ИИ-моделей, создание открытых стандартных датасетов и внедрение алгоритмов в реальные промышленные условия.

Obtained results and novelty (in Kazakh) : Зерттеу барысында компьютерлік көру және жасанды интеллект технологияларын пайдалана отырып, ақауларды тануға арналған 2003-2025 жылдар аралығындағы web of Science және Scopus базаларынан 560 басылымға жүйелі және библиометриялық талдау жүргізілді. 2018 жылдан кейін өнеркәсіптік диагностика міндеттеріне, әсіресе теміржол және инфрақұрылымдық мониторинг саласында терең оқыту әдістерін енгізудің арқасында ғылыми белсенділіктің қарқынды өсуі байқалады. VOSviewer және Python (heatmaps, network graphs) құралдарының көмегімен зерттеудің үш негізгі кластері — терең оқыту және жасанды интеллект әдістері, көлік және құрылыс инфрақұрылымының ақаулары, сондай-ақ attention механизмдері мен семантикалық сегментацияны қамтитын ақауларды анықтаудың заманауи архитектуралары бөлінген. Жұмыстың жаңалығы Scopus және Web of Science деректерін біріктіретін алғашқы кешенді қос шолуда, сонымен қатар, тақырыптар арасындағы жасырын байланыстарды анықтауға және одан әрі зерттеудің перспективалық бағыттарын анықтауға мүмкіндік беретін PRISMA, PICOC және визуалды аналитика әдістемелерінің үйлесімін қолдануда жатыр: түсіндірілетін AI модельдерін дамыту, ашық стандартты деректер жиынтығын құру және алгоритмдерді нақты өнеркәсіптік жүйелерге енгізу шарттар.

The main constructive and technical economic indicators (in Russian) : Основные конструктивные и технико-экономические показатели проекта заключаются в создании алгоритмов для автоматизированного выявления, классификации и прогнозирования дефектов железнодорожных путей на основе технологий машинного и глубокого обучения.

The main constructive and technical economic indicators (in Kazakh) : Жобаның негізгі конструктивті және техникалық-экономикалық көрсеткіштері машиналық және терең оқыту технологиялары негізінде теміржол ақауларын автоматтандырылған анықтау, жіктеу және болжау үшін алгоритмдер құру болып табылады.

Level of implementation (in Russian) : Не внедрено, планируется внедрение системы автоматического обнаружения дефектов железнодорожной инфраструктуры в производственную среду для использования на уровне национальных и/или региональных организаций

Level of implementation (in Kazakh) : Енгізілмген, Ұлттық және/немесе өңірлік ұйымдар деңгейінде пайдалану үшін өндірістік ортаға теміржол инфрақұрылымының ақауларын автоматты түрде анықтау жүйесін енгізу жоспарланып отыр

Efficiency (in Russian) : Внедрение системы обеспечивает повышение уровня безопасности железнодорожной инфраструктуры, оптимизацию процессов технического обслуживания и сокращение эксплуатационных расходов.

Efficiency (in Kazakh) : Жүйені енгізу теміржол инфрақұрылымының қауіпсіздік деңгейін арттыруды, техникалық қызмет көрсету процестерін оңтайландыруды және пайдалану шығындарын қысқартуды қамтамасыз етеді.

Field of application (in Russian) : Может использоваться для автоматизированного выявления, классификации и прогнозирования неисправностей на железных дорогах Казахстана

Field of application (in Kazakh) : Қазақстанның темір жолдарындағы ақауларды автоматтандырылған анықтау, жіктеу және болжау үшін пайдаланылуы мүмкін