Iparági ÚTMUTATÓ

AI a híd- és közúti infrastruktúra ellenőrzésében

Az AI a hidak és utak ellenőrzése során számítógépes látást és érzékelőelemzést használ az olyan hibák felkutatására és mérésére, mint a repedések, repedések, korrózió és kátyúk.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI jövője a híd- és közúti infrastruktúra ellenőrzésében
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Drónok, járművek és rögzített érzékelők által gyűjtött képeken és szkenneléseken működik. Ez azért fontos, mert az ügynökségek elöregedő eszközök hatalmas hálózatait kezelik korlátozott ellenőrökkel és költségvetéssel, és a következetes, adatvezérelt állapotrekordok segítenek nekik először a legfontosabb problémák megoldásában.

Mély merülés

Az Egyesült Államokban a National Bridge Inspection Standards előírja, hogy a legtöbb autópálya-hídon rendszeres időközönként – jellemzően 24 havonta – rutinvizsgálatot kell végezni, és az eredményeket jelenteni kell a National Bridge Inventory-nak. Hagyományosan ez azt jelentette, hogy létrákon, köteleken vagy serleges teherautókon álló ellenőrök fényképeztek és kézírásos jegyzeteket készítettek. Az utakat különbözőképpen mérik fel, gyakran speciális furgonokkal, amelyek mérik az egyenetlenséget (Nemzetközi Egyenetlenségi Index) és a felületi sérüléseket. Az eredményeket olyan pontszámokban összegzik, mint a burkolat állapotindex. Az AI megváltoztatja az adatok gyűjtésének és elemzésének módját. A drónok több ezer nagy felbontású fotót készítenek nehezen elérhető helyekről, a fotogrammetria pedig 3D-s modellekké varrja őket. A mély tanulási modellek, gyakran szegmentáló hálózatok, mint például az U-Net változatok, minden képpontot repedésnek, repedésnek, látható betonacélnak vagy korróziónak jelölnek. Az utakon a tárgyérzékelő modellek megtalálják a kátyúkat, és osztályozzák a repedéstípusokat a járművek kamerái alapján. Ilyenek lehetnek az olcsó műszerkamerák olyan flottákon, amelyek már üzemeltetik a hálózatot. Más érzékelők a felszín alá látnak. A LiDAR méri a geometriát és a hézagokat. A talajradar és az infravörös termográfia a beton fedélzeten belüli állapot romlását mutatja. A szerkezeti állapotfigyelés nyúlásmérőket, gyorsulásmérőket és gépi tanulást használ a híd viselkedésének időbeli változásainak észlelésére. Ebben az összefüggésben a digitális iker egy eszköz modellje, amely az ellenőrzési előzményeihez és az érzékelő adataihoz kapcsolódik. A mérnökök segítségével láthatják, hogyan változott a hiba, és megtervezhetik a karbantartást. Számos tévhit gyakori. A mesterséges intelligencia nem helyettesíti a képzett ellenőrt. A kritikus részletekhez továbbra is gyakorlati ellenőrzésre van szükség, és továbbra is a mérnökök hozzák meg az állapotértékeléseket és a terhelési döntéseket. Egy repedéskép önmagában nem mutatja meg, mennyire súlyos a repedés szerkezetileg, mert ez függ a helyétől, az elem típusától és az általa viselt terheléstől. A modellek kiszámítható hibákat is elkövetnek, összetévesztik a foltokat, illesztéseket, árnyékokat és zsalunyomokat a repedésekkel.

Valós megvalósítás

Egy állami közlekedési osztály drónt repít egy acélgerendás híd alatt. A modell valószínűleg korróziót és repedéseket jelez a képeken, így az ellenőr tudja, hol kell alaposan megnéznie, így csökkentve a híd alatti ellenőrző teherautó szükségességét.

Egy város kamerákat szerel fel a szemeteskocsikra vagy buszokra, amelyek már minden utcában közlekednek. Az észlelési modell GPS-helyekkel rögzíti a kátyúkat és repedéseket, és a személyzet rangsorolt ​​javítási listát kap.

Egy autópálya-ügynökség minden évben lézeres profilozókkal és lefelé néző kamerákkal felszerelt felmérő furgont vezet a hálózatán. A furgon kiszámítja az érdesség- és repedésmutatókat, amelyek az ügynökség járdakezelő rendszerét táplálják.

A hídtulajdonos földradarral és infravörös termográfiával pásztáz egy beton fedélzetet. A modell feltérképezi a valószínű leválást, így a tulajdonos a teljes fedélzet cseréje helyett célzott javításokat tervezhet.

Az AI jövője a híd- és közúti infrastruktúra ellenőrzésében

Az ügynökségek valószínűleg gyakrabban és alacsonyabb költséggel gyűjtenek adatokat, a flottakamerák és drónok pedig kiegészítik az ütemezett ellenőrzéseket, nem pedig helyettesítik azokat. A nagyobb váltás a vagyonkezelésben lehet: az állapotadatok összekapcsolása a romlási modellekkel, így a költségvetés az eszközökhöz kerül, ahol az időben történő javítás megakadályozza a költséges meghibásodásokat. Az akadályok közé tartoznak a drónrepülési szabályok a forgalom közelében, az adattárolás, a lassú beszerzési ciklusok és annak szükségessége, hogy meg kell mutatni, hogy az AI által támogatott eredmények megfelelnek az ellenőrzési szabványoknak. A zárt tereket vagy a fedélzetek alját vizsgáló robotok kutatása folyamatban van, de a rutinszerű használat a bizonyított megbízhatóságtól és a szabályozási elfogadottságtól függ.

A gyakorlatba ültetés

Miért számít

  • Kontextus és szabályok. Az iparági kontextus határozza meg, hogy az AI ötletek túlélik-e a valósággal való érintkezést.
  • Minőségellenőrzés. A tartományi korlátok befolyásolják az elfogadható hibaarányt és a felügyeleti modelleket.
  • Építési lehetőségek. A sikeres telepítések összehangolják a műszaki képességeket a frontvonalbeli munkafolyamatokkal.

Vigyázz

  • A szabályozási követelmények érvényteleníthetik az egyébként erős prototípusokat.
  • A korábbi adatok olyan elfogultságot kódolhatnak, amely bizonyos közösségeket károsít.
  • Az örökölt rendszerek szűk keresztmetszeteket és rejtett költségeket okozhatnak az integrációban.

Következő lépések

  1. Vonjon be területi szakértőket a probléma megfogalmazásától az értékelésig.
  2. Tervezze meg az ellenőrzési nyomvonalakat és a dokumentációt az indítás előtt.
  3. Korán érvényesítse a megfelelési és biztonsági kötelezettségeket.
  4. Fázisokban történő bevezetés egyértelmű leállítási és visszaállítási kritériumokkal.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI in Bridge and Road Infrastructure Inspection quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a mesterséges intelligencia a híd- és közúti infrastruktúra ellenőrzésében?

Az AI a hidak és utak ellenőrzése során számítógépes látást és érzékelőelemzést használ az olyan hibák felkutatására és mérésére, mint a repedések, repedések, korrózió és kátyúk. Drónok, járművek és rögzített érzékelők által gyűjtött képeken és szkenneléseken működik. Ez azért fontos, mert az ügynökségek elöregedő eszközök hatalmas hálózatait kezelik korlátozott ellenőrökkel és költségvetéssel, és a következetes, adatvezérelt állapotrekordok segítenek nekik először a legfontosabb problémák megoldásában.

Az Egyesült Államok Nemzeti Hídellenőrzési Szabványai szerint a legtöbb autópálya-híd általában milyen gyakran esik rutinvizsgálaton?

A rutinellenőrzésekre általában 24 havonta kerül sor, és az eredményekről jelentést tesznek az Országos Hídleltárnak.

Miért kezelik a repedésészlelést általában szegmentációs feladatként az egyszerű objektumészlelés helyett?

A határolókeret mutatja, hol van a repedés, de nem az alakját. A pixel szintű szegmentáció lehetővé teszi a hossz és a szélesség mérését.

Mi az a földi mintavételi távolság?

A földi mintavételi távolság a pixelszámot fizikai mérésekké alakítja. Enélkül a repedés szélessége nem mérhető.

Milyen eszközöket nevez meg az útmutató a beton fedélzeten belüli károsodás feltárására?

A GPR és az infravörös termográfia képes észlelni a delaminációt és egyéb rejtett károsodást, amelyet a felületi fotók nem láthatnak.

Ezek közül melyik a gyakori téves pozitív forrás a repedésészlelő modelleknél?

A lineáris vagy sötét elemek, amelyek nem repedések, megtéveszthetik a modelleket, ez az egyik oka annak, hogy az emberi felülvizsgálat folyamatosan nyomon marad.