Минобрнауки РФ. Инженеры научили нейросеть находить трещины в строениях

Ученые Северо-Кавказского федерального университета создают ИИ-систему диагностики, которая заменит человеческий глаз в поиске строительных дефектов. Алгоритм умеет находить трещины в зданиях и анализировать причины их появления.

Трещины — главная проблема любого здания, которая ставит под сомнение его безопасность и сокращает расчетный срок эксплуатации. Причины их появления — старение материалов, ошибки проектировщиков и строителей, чрезмерные нагрузки. 

Если не проводить своевременный мониторинг и диагностику, трещины могут привести к прогрессирующему разрушению структуры и в конечном итоге к полному обрушению здания. Именно поэтому команда специалистов Северо-Кавказского федерального университета решила применить инновационные строительные технологии в области анализа трещин в сооружениях. 

Обучают нейросеть на изображениях строительных конструкций. Для этого используют специальные алгоритмы, которые умеют узнавать трещины на фотографиях. 

«Приоритет отдается сегментационным моделям, способным выделять трещины на изображениях строительных конструкций. Окончательная архитектура будет определена в ходе итерационного дообучения на подобранном датасете, собранном в процессе пилотных обследований», — объясняет старший преподаватель департамента строительной инженерии и прототипирования института перспективной инженерии Дмитрий Воробьев.

Как это происходит: оператор загружает в программу различные изображения, а нейросеть учится определять, распознавать и описывать параметры трещин и причины их появления. В будущем функциональные возможности модуля расширят до анализа видеоматериалов. По словам разработчиков, систему проектируют с возможностью дообучения. 

Сейчас специалисты создают бинарную карту трещин, по которой можно измерить их длину, направление и плотность. Проект находится в стадии разработки. Целевой показатель точности (IoU) должен быть не менее 85%, но окончательный процент допустимой ошибки определят после пилотных испытаний.

Проект находится в активной фазе — идет валидация гипотезы и создание технического прототипа. При этом рыночные перспективы стартапа уже привлекают внимание потенциальных клиентов, так как аналогов этому программному решению на сегодня нет.

Внедрение продукта планируется в три этапа. На полную окупаемость проект может выйти в течение 18–36 месяцев при условии привлечения заказчиков. Планы у команды Дмитрия Воробьева амбициозные — в дальнейшем систему планируют обучать под различные типы конструкций, ее архитектура позволяет это сделать. 

«В перспективе возможна адаптация под обследование мостов, промышленных сооружений и инженерной инфраструктуры — при наличии достаточного объема данных и экспертной поддержки», — говорит разработчик. 

Ученые уверены, что создаваемая система станет незаменимым инструментом для специалистов по строительной диагностике и откроет новые горизонты в обеспечении безопасности зданий и сооружений.

Проект реализуется в рамках программы Минобрнауки России «Приоритет-2030» (национальный проект «Молодежь и дети»).

Источник: https://priority2030.ru/