Desenvolvendo um sistema de segmentação e exploração autônomo para infraestrutura civil

A identificação de rachaduras é fundamental para o monitoramento da infraestrutura civil. Para aumentar a eficiência da inspeção, um sistema de segmentação e exploração autônomo proposto permite que o agente navegue sem a operação humana, e o agente captura com sucesso mais de 85% das rachaduras no conjunto de dados de treinamento e atinge 82% de cobertura de crack no conjunto de dados de teste.

Em termos de recursos computacionais, o sistema proposto aumenta a eficiência em 64% em comparação com os métodos de pesquisa exaustiva convencionais, demonstrando um forte potencial de implantação prática em UAVs e outros dispositivos de borda.

As inspeções regulares de saúde estrutural são um componente crítico da avaliação de segurança do edifício. No entanto, os métodos tradicionais de inspeção permanecem altamente trabalhosos. Nos últimos anos, numerosos estudos demonstraram a eficácia de veículos aéreos não tripulados (UAVs) nesse campo, melhorando significativamente a eficiência da inspeção e reduzindo o risco de expor pessoal a ambientes perigosos, como pontes, torres de turbina eólica e barragens.

Apesar desses avanços, as inspeções baseadas em UAV ainda dependem muito do envolvimento humano, incluindo operação manual ou planejamento de trajetória de vôo predefinido. Essa dependência inevitavelmente introduz erros humanos e pode levar a pontos cegos na cobertura estrutural, o que coloca desafios para o controle do UAV e o planejamento de caminhos.

Para resolver essas questões, um novo estudo, publicado em Automação em construçãopropõe uma estrutura de inspeção de trincas totalmente autônoma mostrada na FIG. 1. Ao alavancar o aprendizado de reforço profundo, os pesquisadores treinaram um agente autônomo capaz de adaptar adaptadamente padrões de crack para maximizar a eficiência da inspeção, além de aprender a decidir o tempo de parada apropriado para encerrar a pesquisa para mitigar o uso da bateria do UAV.

A Fig. 2 mostra um exemplo de rachaduras na superfície e fig. 3 demonstra que o agente treinado é capaz de explorar a existência de rachaduras e navegar sem operação humana, usando apenas estados parcialmente observáveis ​​indicados em caixas amarelas.

A abordagem proposta reduz substancialmente os custos de tempo e mão -de -obra associados ao monitoramento estrutural da saúde, ao mesmo tempo em que permitem inspeções mais frequentes. Por fim, isso contribui para a detecção anterior de possíveis problemas estruturais e melhoria a segurança e a durabilidade da infraestrutura civil.

“A estrutura proposta demonstra como a integração de IA e UAV pode transformar o monitoramento estrutural da saúde em um processo mais seguro, rápido e mais confiável”, diz o Prof. Rih-Teng Wu, autor correspondente do estudo.