Нейросети будут диагностировать строительные дефекты. Инженеры СКФУ разрабатывают систему диагностики строительных дефектов, которая с помощью искусственного интеллекта сможет выявлять и анализировать трещины в зданиях.
Одна из главных причин,угрожающих безопасности и сроку службы строительных конструкций — это трещины. Они могут появляться как в результате естественных процессов старения материалов, так и из-за ошибок при проектировании, нарушениях технологии строительства или чрезмерных нагрузок.
Если не обращать на них внимания и не проводить своевременный мониторинг и диагностику, это может привести к прогрессирующему разрушению структуры и, в конечном итоге, к полному обрушению всего здания. Инновационными строительными технологиями в области анализа трещин в сооружениях занимается команда специалистов Северо-Кавказского федерального университета.
«В этом году мы наращиваем проекты, ориентированные на цифровые технологии и разработку новых материалов и приборов. Эти инновационные разработки ведутся под руководством опытных наставников и зачастую требуют интеграции знаний из различных областей науки и использования ИИ для нахождения эффективных решений. В университете создана экосистема инженерного образования в самых различных направлениях: наноматериалов, микроэлектроники, биотехнологий и, в том числе, строительства», — прокомментировала и.о. ректора СКФУ профессор Татьяна Шебзухова.
В СКФУ на базе Научно-исследовательской лаборатории «Центр испытаний материалов, изделий и конструкций» проводятся комплексные исследования составов различных материалов, тщательно проверяют их характеристики и выполняют профессиональные обследования зданий и сооружений. И именно в этом центре родилась перспективная идея о расширении возможностей лаборатории для строительной отрасли.
На текущем этапе проекта проводится отбор и тестирование архитектур на базе методов глубокого обучения и компьютерного зрения, рассказывает руководитель проекта.
«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 изображения различных трещин, а нейросеть учится определять, распознавать, описывать параметры и причины их появления. В будущем функциональные возможности модуля будут расширены до анализа видеоматериалов.
«Система проектируется с возможностью дообучения на новых данных. При появлении изображений новых типов трещин (например, характерных для определённых материалов или конструкций), они могут быть размечены и использованы для дообучения модели без её полного переобучения. Обновление базы данных повышает точность системы и расширяет сферу применения», — рассказывают авторы разработки.
На текущем этапе специалисты создают бинарную карту трещин, по которой можно измерить их длину, направление и плотность. О точности распознаваний говорить пока рано — проект находится в стадии разработки. Однако целевой показатель точности (IoU) должен быть не менее 85%. Окончательный процент допустимой ошибки будет определён после проведения пилотных испытаний, отмечает разработчик.
Проект находится в активной фазе — идёт валидация гипотезы и создание технического прототипа. При этом рыночные перспективы стартапа уже привлекают внимание потенциальных клиентов, так как на текущий момент аналогов данного программного решения нет ни в России, ни за рубежом.
Стратегия внедрения продукта будет осуществляться в три последовательных этапа. Сначала планируется организовать презентации рабочего прототипа для компаний, которые специализируются на техническом обследовании объектов. После этого последуют пилотные внедрения системы в реальных условиях эксплуатации.
Завершающим этапом станет коммерческая реализация проекта, которая будет включать различные модели монетизации: подписочные сервисы для разных категорий пользователей, комплексные услуги сопровождения и лицензионные программы. Каждый этап предусматривает тщательную подготовку к следующему этапу внедрения.
На полную окупаемость проект, по словам разработчиков, может выйти в течение 18−36 месяцев при условии привлечения заказчиков. Но это пока что предварительные расчёты.
Планы у команды Дмитрия Воробьева амбициозные — систему в дальнейшем планируют обучать под различные типы конструкций, её архитектура это позволяет.
«В перспективе возможна адаптация под обследование мостов, промышленных сооружений и инженерной инфраструктуры — при наличии достаточного объёма данных и экспертной поддержки», — говорит разработчик.
Создаваемая система обещает стать незаменимым инструментом для специалистов по строительной диагностике, открывая новые горизонты в обеспечении безопасности зданий и сооружений.
Справочно: оборудование для Научно-исследовательской лаборатории «Центр испытаний материалов, изделий и конструкций» ФГАОУ ВО «Северо-Кавказского федерального университета» закуплено в рамках программы развития «Приоритет-2030».
