Нейросеть, которую создали ученые Уральского федерального университета, сможет находить опасные трещины в мостах, дорогах и зданиях за секунды.
Как сообщает пресс-служба УрФУ, технология заменит многочасовые ручные проверки, снизит риск аварий и сэкономит бюджет на обслуживании инфраструктуры. Разработка уже показала точность 88,7 % на снимках из России и Китая.
«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 моделями конкурентов (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.
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.
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.
Екатеринбург, Елена Владимирова