Разработка учёных УрФУ может помочь снизить риск аварий и сэкономить на обслуживании инфраструктуры
Нейросеть, которую создали ученые Уральского федерального университета, сможет находить опасные трещины в мостах, дорогах и зданиях за секунды. Инновационная технология может заменить многочасовые ручные проверки, снизить риск аварий и сэкономить бюджет на обслуживании инфраструктуры. Разработка уже показала точность 88,7 % на снимках из России и Китая. Описание исследования опубликовано в журнале Sensors.
«В то время как традиционная ручная проверка мостов или дорожных конструкций занимает от одного до двух часов, наша модель способна обрабатывать изображения в 100 раз быстрее — в течение секунд, что теоретически позволяет существенно сократить время инспекций и обеспечить непрерывный, высокоточный и объективный мониторинг. В дальнейшем мы планируем провести тестирование модели на платформе Jetson и интегрировать ее с беспилотными системами для практического применения в задачах мониторинга мостов, дорог и другой инженерной инфраструктуры в реальном времени», — пояснила соавтор работы, заведующая кафедрой «Строительные конструкции и механика грунтов» УрФУ Зоя Беляева.
Как сообщили ученые, система обладает рядом преимуществ, в частности, высокой скоростью обработки (до 232 кадров в секунду) и легкой архитектурой в сравнении с конкурентами (2,51 млн параметров). Благодаря этим характеристикам у разработки уральских исследователей есть большой потенциал для использования в дронах или других устройствах, которые смогут обеспечить быструю инспекцию строительных сооружений.
Чтобы уменьшить количество ложных срабатываний на тенях или водяных пятнах, исследователи также внесли в нейросеть ряд улучшений, внедрив механизм внимания SimAM и применив модуль Concat_BiFPN. Первый имитирует фокусировку человеческого зрения и позволяет выделять области с трещинами без добавления дополнительных параметров, эффективно подавляя помехи от фоновых элементов. Второй модуль используется для многомасштабного слияния признаков, что позволяет модели более точно захватывать текстурные особенности мелких трещин. Результаты тестов почти на 2000 изображений показывают, что улучшенная модель демонстрирует прирост точности на 1,4 %, обеспечивая более стабильное распознавание трещин в сложных условиях — туннели, нижние части мостов и ночное время суток.
Сейчас команда адаптирует систему для реальных задач — совмещает ее с дронами на платформе Jetson и добавляет поддержку инфракрасных камер, что позволит обнаруживать скрытые дефекты ночью или под слоем грязи. В то же время из-за небольшой вычислительной мощности подобных платформ использование таких моделей представляет собой непростую задачу. Для решения этой проблемы ученые использовали модуль C3Ghost, который позволил сократить количество параметров модели более чем на 16 % при сохранении стабильной точности, обеспечив возможность ее работы в реальном времени.
«Мы исследуем возможность слияния инфракрасных и видимых изображений, чтобы за счет инфракрасного спектра усилить текстурную информацию и повысить способность модели обнаруживать трещины в условиях низкого контраста. Хотя эта работа пока находится на экспериментальной стадии, она закладывает основу для создания системы круглосуточного и всепогодного мониторинга в будущем», — отметил соавтор работы, аспирант УрФУ Чжан Цзяхуэй.
Сейчас алгоритм верифицируют и продолжают обучать на фотографиях с трещинами, сделанных в России и в Китае. При наличии подходящих партнерских платформ или пилотных сценариев технология будет подготовлена к практической реализации. Параллельно ученые отслеживают международные стандарты оценки повреждений конструкций, такие как ASTM (США) и CEN (Европа), чтобы в будущем обеспечить совместимость модели с мировыми нормами.
По данным Росстата, 60 % аварий конструкций связаны с несвоевременным обнаружением трещин. Классические методы требуют до трех экспертов на объект. Первая система мониторинга трещин на основе нейросетей была представлена в Японии в 2018 году, но требовала мощных серверов. Разработка УрФУ в 10 раз легче зарубежных ИИ-аналогов, которые зачастую не работают в реальном времени.
Владимир Мартьянов
Уральский федеральный университет — один из ведущих вузов России, расположен в Екатеринбурге. Участник проекта по созданию кампусов мирового уровня и государственной программы поддержки российских вузов «Приоритет-2030», выступает инициатором создания и выполняет функции проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня «Передовые производственные технологии и материалы».
Узнавайте первыми главные энергетические новости и актуальную информацию о важных событиях дня в России и мире.
Подписывайтесь на наш Telegram-канал
"ГИС-Профи. Информационное сопровождение предприятий энергетической отрасли"