Die präzise Erfassung von gleisnahen Infrastrukturobjekten mit einer einheitlichen Datengrundlage stellt eine Herausforderung für verschiedene Anwendungsbereiche im Schienenverkehr, wie Notfall- und Vegetationsmanagement und Lärmkartierung, dar. Um diese zu unterstützen, wurde ein innovativer Prozessierungs-Workflow entwickelt und am Beispiel von Schallschutzwänden getestet. Der Workflow ermöglicht deren automatisierte Erfassung in Befliegungsdaten unter Einsatz von Methoden des maschinellen Lernens. Das finale Modell basiert auf einem vortrainierten Basismodell, welches zusätzlich mit annotierten Bilddaten von Schallschutzwänden in der Gleisumgebung feintrainiert und optimiert wurde. Die Modellbewertung mit einem Wiedererkennungswert bzw. positiven Vorhersagewert von 0,74 zeigt vielversprechende Ergebnisse. Durch die Möglichkeit, das Modell in Open-Source-Software zu nutzen, ist es für die praktische Anwendung zugänglich und ermöglicht die Erstellung von neuen Modellvorhersagen.
