Предотвратите обрушение здания, обучая «нейронную сеть» ИИ.
(Zapoved) – Наша искусственная среда стареет. С каждым днем в домах, мостах и дорогах увеличивается вероятность того, что на них появятся структурные разрушения или трещины, опасные для безопасности тех, кто живет в этих местах. Но как предотвратить обрушение зданий или коллапс инфраструктуры, если число растет с каждым днем элементов конструкции, нуждающихся в диагностике? Решением снова может стать разумное использование искусственного интеллекта и робототехники.
Научите робота-помощника распознавать проблемы
Отталкиваясь от этого большого вопроса, исследователи Инженерный колледж Дрексельского университетаВы пытаетесь предоставить роботу-помощнику информацию, необходимую для помощи инспекторам-человекам в мониторинге, чтобы предотвратить обрушение зданий и инфраструктуры. Новый ингредиент, добавленный командой, используетмашинное обучение выявлять и проверять проблемные области за значительно меньшее время, чем это мог бы сделать человек-инспектор. Результаты их исследования опубликованы в журнале Автоматизация в строительстве.
Многомасштабная система Университета Дрекселя сочетает компьютерное зрение с алгоритмом глубокого обучения для выявления проблемных областей взлома. Впоследствии проводятся лазерные исследования пострадавших регионов, генерирующие «цифровой двойникчем то, что было отсканировано. Таким образом можно будет выявить и оценить более или менее серьезные повреждения, которые могут повлиять на систему.
Увеличьте скорость проверки, чтобы предотвратить обрушение зданий и мостов.
«Трещины можно рассматривать как медицинские симптомы пациента, которые следует обследовать на ранних стадиях.«, — написали авторы, Арвин Эбрагимханлу, доктор философии, доцент, и Али Гадимзаде Аламдари, научный сотрудник, оба в Инженерном колледже Дрекселя. «В результате своевременное и точное обнаружение и измерение трещин имеют важное значение для своевременной диагностики, технического обслуживания и ремонта, предотвращения дальнейшего износа и снижения потенциальных рисков.»
Проблема, однако, в том, что число конструкций, которые необходимо обследовать, увеличивается с каждым днем, превращая профилактику в своего рода «неотложную медицинскую помощь» строительным конструкциям, но для которых остается все меньше и меньше специализированных работников, способных справиться с ней.
«Гражданская инфраструктура включает в себя масштабные сооружения и мосты, но их дефекты зачастую носят мелкий характер», он заявил Эбрагимханлу. «Мы считаем, что внедрение многомасштабного роботизированного подхода позволит эффективно проводить предварительную проверку проблемных областей с помощью компьютерного зрения и точное роботизированное сканирование дефектов с использованием неразрушающего сканирования на основе лазера».
Как работает система
Вместо одного физическое измерение интерпретируемая «субъективно человеческим глазом», система использует камеру высокого разрешения со стереоскопической глубиной структуры, подключенную к программе глубокого обучения под названием «Нейронная сеть». Хотя научное объяснение может показаться сложным, мы имеем дело с программами такого типа ежедневно: это системы, используемые для распознавания лиц, обнаружения дипфейков или разработки лекарств, системы, способные выявлять самые тонкие аномалии и несоответствия. анализируя огромные объемы данных. Однажды «обученный» алгоритм ИИ для распознавания наборов данных он сможет выявлять трещины и трещины, чтобы предотвратить обрушение зданий.
«Нейронная сеть обучена на наборе данных образцов трещин и способна идентифицировать трещиноподобные узоры на изображениях, которые роботизированная система собирает с поверхности бетонной конструкции», объясняет Эбрагимханлу.
Как только область, затронутая растрескиванием, определена, система направляет действия именно туда. роботизированная рука отсканировать его создание 3D-изображения поврежденного участка. В то же время один Лидар-камера (Обнаружение света и определение дальности) сканирует структуру, окружающую трещину. Объединение обоих графиков создает цифровую модель области, которая показывает ширину и размеры трещины и позволяет отслеживать изменения между проверками с течением времени.
«Отслеживание роста трещин — одно из преимуществ создания модели цифрового двойника», Аламдари сказал. Таким образом, вы лучше поймете условия и сможете лучше организовать поездку. техническое обслуживание и ремонт.
Эксперименты, разработанные командой исследователей, позволили выявить предполагаемые размеры менее одной сотой доли миллиметра, превосходя по производительности высококачественные камеры, сканеры и устройства. оптоволоконные датчики с приличным запасом. Стоит еще раз подчеркнуть, что окончательное решение о вмешательстве всегда будет приниматься человеком-инспектором, но ему будет решительно способствовать работа машины.