«Трещины в бетоне могут быть незаметны невооруженным глазом, но приводят к серьезным разрушениям. Их несвоевременное обнаружение увеличивает вероятность обрушения конструкций.
Регулярный мониторинг позволяет избежать серьезных финансовых затрат: ремонт аварийных зданий обходится дороже, чем профилактическое обслуживание. Современные технологии, такие как машинное обучение, открывают новые возможности для автоматизированной диагностики. В рамках проекта был собран большой набор данных, включающий изображения с различных объектов, создана базовая нейронная сеть.
Я обучил ее детектировать трещины в бетоне на основе изображений, обработанных и сегментированных с помощью метода контура (контур делается на специальном приложении, его выделяют для того, чтобы нейронная сеть могла распознавать эти трещины). Система анализирует видеопотоки с камер, далее идет обработка данных: искусственный интеллект выявляет трещины на основе обученной модели», — рассказал разработчик системы, cтудент факультета прикладной математики и информатики Новосибирского государственного технического университета НЭТИ Николай Обидин.
Созданная модель показала точность обнаружения трещин на уровне 95%. На текущий момент разработан прототип системы, который включает в себя модуль обработки видео. Прототип прошел успешные тестовые испытания. В ходе пилотного проекта система обнаружила 15 трещин, из которых 10 были пропущены при ручном контроле.
К преимуществам разработки относится своевременное выявление проблем: система позволяет обнаруживать трещины на ранней стадии, предотвращая развитие серьезных повреждений и аварийных ситуаций; экономия времени и ресурсов: автоматизированный мониторинг сокращает трудозатраты на ручной контроль, а также снижает затраты на ремонт и обслуживание. Использование искусственного интеллекта и машинного обучения гарантирует высокую точность детекции трещин, что важно для принятия взвешенных решений.
Целевая аудитория проекта — строительные компании, заинтересованные в диагностике состояния зданий для предотвращения аварий и для экономии на ремонте; муниципалитеты и государственные органы, которые несут ответственность за безопасность общественных зданий, мостовых конструкций и инфраструктуры в целом; газовые и нефтяные компании, инженерные фирмы, владельцы коммерческой недвижимости.
В планах — оптимизация и масштабирование модели, разработка пользовательского интерфейса, тестирование и доработка, запуск пилотных проектов.