Студент факультета прикладной математики и информатики Новосибирского государственного технического университета НЭТИ Николай Обидин создал систему детекции трещин, в которой используется искусственный интеллект и машинное обучение для анализа изображений и видео с камер наблюдения. Презентация проекта прошла в рамках акселерационной программы НГТУ НЭТИ REACTOR, которая реализуется в рамках федерального проекта «Платформа университетского технологического предпринимательства» государственной программы «Научно-технологическое развитие Российской Федерации».

Как сообщила пресс-служба университета, созданная модель показала точность обнаружения трещин на уровне 95%. Прототип системы, который включает в себя модуль обработки видео, прошел первые успешные испытания. Система обнаружила 15 трещин, из которых 10 были пропущены при ручном контроле.

«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», — отметил Николай Обидин. По мнению спикера, машинное обучение открывает новые возможности для автоматизированной диагностики. Так, в рамках проекта был накоплен большой объем 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). Система анализирует видеопотоки с камер, далее идет обработка данных: искусственный интеллект выявляет трещины на основе обученной модели».

В университете надеются, что на разработку обратят внимание строительные компании, заинтересованные в диагностике состояния зданий для предотвращения аварий и экономии на ремонте; муниципалитеты и государственные органы, которые несут ответственность за безопасность общественных зданий, мостовых конструкций и инфраструктуры в целом; газовые и нефтяные компании, инженерные фирмы, владельцы коммерческой недвижимости.

Модель ждет оптимизация и масштабирование. Понадобятся создание удобного пользовательского интерфейса, дополнительное тестирование и доработка, запуск пилотных проектов. «В перспективе я бы хотел, чтобы обученная модель была внедрена в беспилотники, а также в подводные аппараты, которые будут мониторить состояние железобетонных конструкций и фиксировать трещины как над водой, так и под водой», — уточнил студент.