В РФ разработали нейронную модель для обнаружения деформаций в бетоне

НОВОСИБИРСК, 13 января. /ТАСС/. Систему детекции трещин, в которой используется искусственный интеллект и машинное обучение для анализа изображений и видео с камер наблюдения, создали в Новосибирском государственном техническом университете (НГТУ). Разработка позволит избежать риска возникновения аварийных ситуаций и экономических потерь, сообщили ТАСС в пресс-службе вуза.

Как пояснили в университете, 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)", - цитирует пресс-служба разработчика Николая Обидина.

Система анализирует видеопотоки с камер, после чего идет обработка данных: искусственный интеллект выявляет трещины на основе обученной модели. Созданная модель показала точность обнаружения трещин на уровне 95%. Проект прошел акселерационную программу НГТУ Reactor, которая реализуется в рамках федерального проекта "Платформа университетского технологического предпринимательства" госпрограммы "Научно-технологическое развитие РФ".

Преимуществами разработки являются: 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.

Перспектива разработки

Разработка будет востребована у строительных компаний, заинтересованных в диагностике состояния зданий для предотвращения аварий и для экономии на ремонте, муниципалитетов и госорганов, которые несут ответственность за безопасность общественных зданий, мостовых конструкций и инфраструктуры в целом, а также у газовых и нефтяных компаний, инженерных фирм, владельцев коммерческой недвижимости. В планах создателей - оптимизация и масштабирование модели, разработка пользовательского интерфейса, тестирование и доработка, запуск пилотных проектов. "В перспективе я бы хотел, чтобы обученная модель была внедрена в беспилотники, а также подводные аппараты, которые будут мониторить состояние железобетонных конструкций и фиксировать трещины как над водой, так и под водой", - добавляет Обидин.