Исследователи из Уральского федерального университета создали прорывную нейросеть, способную за считанные секунды находить дефекты в виде трещин на мостах, дорогах и зданиях. Новая технология призвана заменить трудоемкие ручные проверки, значительно снизить вероятность аварий и оптимизировать расходы на поддержание инфраструктуры.
Отличительной особенностью системы является высокая скорость обработки данных (до 232 кадров в секунду) и компактность (2,51 млн параметров). Это делает ее идеальной для интеграции с БПЛА и другими устройствами, предназначенными для оперативного осмотра строительных объектов. Разработанный алгоритм уже демонстрирует точность до 88,7% при анализе изображений, полученных как в России, так и в Китае.
«Если ручной осмотр занимает до двух часов, наше решение обрабатывает изображения почти в сто раз быстрее, – комментирует Зоя Беляева, руководитель кафедры строительных конструкций и механики грунтов. – В перспективе мы планируем использовать эту нейросеть с дронами для мониторинга состояния мостов, дорог и других инфраструктурных объектов в режиме реального времени».
Разработка существенно легче зарубежных аналогов (в десять раз) и способна обрабатывать данные в режиме реального времени. Это – значительный шаг вперед в области автоматизированного контроля инфраструктуры, способствующий повышению безопасности и эффективности обслуживания строительных объектов. К слову, согласно статистике Росстата, 60% аварий конструкций происходят из-за несвоевременного выявления трещин.
Для повышения надежности обнаружения трещин и сведения к минимуму ложных срабатываний ученые встроили в систему механизм внимания SimAM и модуль Concat_BiFPN. Эти инновации позволили увеличить точность распознавания на 1,4% в сложных условиях, таких как тоннели, нижние части мостов и темное время суток.
В настоящее время команда адаптирует нейросеть для работы с дронами на базе платформы Jetson и разрабатывает поддержку инфракрасных камер для выявления скрытых дефектов.