Ее разработал студент факультета прикладной математики и информатики Новосибирского государственного технического университета НЭТИ.
В системе детекции трещин используются искусственный интеллект и машинное обучение для анализа изображений и видео с камер наблюдения.
Нейросеть обучена 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.
Разработка позволит избежать риска возникновения аварийных ситуаций и экономических потерь: созданная модель показала точность обнаружения трещин на уровне 95%.
В прототип системы входит модуль обработки видео - он прошел успешные тестовые испытания. В ходе пилотного проекта система обнаружила 15 трещин, из которых 10 были пропущены при ручном контроле.
Преимущества разработки:
- обнаружение трещин на ранней стадии, предотвращая развитие серьезных повреждений и аварийных ситуаций;
- экономия времени и ресурсов: автоматизированный мониторинг сокращает трудозатраты на ручной контроль, а также снижает затраты на ремонт и обслуживание;
- использование ИИ и машинного обучения гарантирует высокую точность детекции трещин, что важно для принятия взвешенных решений.
Источник:
https://t.me/ncpsplus