Drexeli ülikooli teadlased Pennsylvanias on välja töötanud läbimurdelise tehisintellekti juhitud robottehnoloogia süsteemi, mis lubab muuta struktuuride ja hoonete kahjustuste kontrollimise viisi. Selle innovaatilise süsteemi eesmärk on ennetada rikkeid, ühendades arvutinägemise ja masinõppe tehnoloogiad potentsiaalsete probleemsete alade tuvastamiseks ja hindamiseks.
Infrastruktuuri hetkeseis on kasvav murekoht, sest struktuurid halvenevad kiiremini, kui neid hooldada jõutakse. Hiljutised kokkukukkumised ja rikkejuhtumid on rõhutanud vajadust leida tõhusam ja efektiivsem viis kahjustusmärkide tuvastamiseks ning katastroofiliste sündmuste ennetamiseks. Traditsioonilised kontrollimeetodid võtavad palju aega ega suuda katta iga pragunemist, muutes ohtlike rikete märkide tuvastamise normaalse kulumise taustal keeruliseks.
Uus mitme skaalaga süsteem kasutab arvutinägemist ja süvamõistmise algoritmi probleemsete alade tuvastamiseks. Seejärel suunatakse seeria laserlaskmeid, et luua digitaalne koopia, mida saab kahjustuse täpseks hindamiseks ja jälgimiseks kasutada. Kontrollimisprotsessi optimeerimisega on võimalik töömahu oluliselt vähendada, võimaldades suunata hoolduse ja parandustöid.
Süsteem ei toetu ainult füüsilistele mõõtmistele, vaid kasutab ka kõrge lahutusvõimega steretiepisügavuskaamera voogu ja kaalutud konvolutsioonilist võrgustikku pragude moodi mustrite tuvastamiseks. See edasijõudnud tehnoloogia suudab avastada isegi kõige peenemaid mustrimeid ja erinevusi suures koguses andmeid. Pärast huvipakkuva piirkonna tuvastamist skaneerib roboti käsi selle piirkonna laserjoone skanneriga, luues kahjustatud alast põhjaliku kolmemõõtmelise kujutise. Lisaks skaneerib Lidar-kaamera ümbritsevat struktuuri, pakkudes täiendavat väärtuslikku teavet.
Selle uue süsteemi eelised ulatuvad kaugemale esmasest kontrollist. Digitaalne koopiamudel võimaldab praokasvu jälgimist, pakkudes sildade omanikele paremat arusaama nende infrastruktuuri seisukorrast. See võimaldab neil plaanida hoolduse ja parandustöid tõhusalt, tagades hoone või silla pikaajalise struktuurilise terviklikkuse.
Kuigi inimsed kontrollijad mängivad otsustusprotsessis endiselt rolli, saab tehisintellekti juhitud robotabide kasutuselevõtt nende töömahu märkimisväärselt vähendada ja vähendada järelevalve või subjektiivsete otsustusvigade tõenäosust. Kontrollimisprotsessi automatiseerimisega saab andmete kogumist piirata ainult piirkondadele, mis vajavad tähelepanu, parandades üldist efektiivsust ja täpsust.
Teadlased näevad ette selle süsteemi integreerimise suuremasse autonoomsesse jälgimisraamistikku, mis hõlmab droone ja muid autonoomseid sõidukeid. Selle kõikehõlmava lähenemisviisi eesmärk on luua intelligentsem ja efektiivsem süsteem erinevat tüüpi infrastruktuuri struktuurse terviklikkuse säilitamiseks.
Selle murrangulise tehnoloogia praktilise rakendamise ja pideva täiustamise jaoks on oluline läbi viia reaalmaailma katsetusi ning teha koostööd tööstuse ja reguleerivate asutustega. Võimalusega muuta struktuurikontrolli, süvamuudkonna juhitud robotite süsteem märgib uut perioodi vananeva infrastruktuuri ennetava hoolduse ja parandustööde osas.
KKK sektsioon:
1. Milline on Drexeli ülikooli teadlaste välja töötatud AI-juhitud robottehnoloogia süsteem?
– AI-juhitud robottehnoloogia süsteem on läbimurdeline tehnoloogia, mis ühendab arvutinägemise ja masinõppe, et kontrollida ja hinnata struktuure ja hooneid kahjustuste osas.
2. Kuidas süsteem tuvastab potentsiaalsed probleemkohad?
– Süsteem kasutab arvutinägemist ja süvamõistmise algoritmi pragude moodi mustrite ja erinevuste tuvastamiseks kõrge lahutusvõimega steretiepisügavuskaamerate ja Lidar-kaamerate andmetest.
3. Mis eelis on selle süsteemi kasutamisel traditsiooniliste kontrollimeetodite ees?
– Süsteem optimeerib kontrolliprotsessi, muutes selle efektiivsemaks ja täpsemaks. See suudab tuvastada probleemseid piirkondi, mida palja silmaga või traditsiooniliste meetoditega võib olla raske märgata.
4. Kuidas süsteem loob kahjustatud alast digitaalse koopia?
– Pärast huvipakkuva piirkonna tuvastamist skaneerib roboti käsi selle piirkonna laserjoone skanneriga, luues kahjustatud alast kolmemõõtmelise kujutise.
5. Millised on digitaalse koopiamudeli eelised?
– Digitaalse koopiamudeli abil on võimalik jälgida pragude kasvu, andes silda omavatele isikutele parema arusaama nende infrastruktuuri seisundist. See võimaldab tõhusalt planeerida hooldust ja parandustöid.
6. Kuidas see süsteem vähendab inimkontrollijate töömahu?
– Kontrolliprotsessi automatiseerimisega piiratakse andmete kogumist ainult piirkondadele, mis vajavad tähelepanu. See vähendab inimkontrollijate töömahtu ja vähendab järelevalve või subjektiivsete otsustusvigade tõenäosust.
7. Milline on selle süsteemi tulevikunägemus?
– Teadlased kavatsevad integreerida selle süsteemi suuremasse autonoomsesse jälgimisraamistikku, mis hõlmab droone ja muid autonoomseid sõidukeid. Selle kõikehõlmava lähenemisviisi eesmärk on luua intelligentsem ja efektiivsem süsteem struktuurse terviklikkuse säilitamiseks.
Peamised terminid ja mõisted:
– Arvutinägemine: Arvutinägemine on tehisintellekti haru, mis keskendub arvutite võimele saada kõrgtasemeline arusaam digitaalsetest piltidest või videodest.
– Masinõpe: Masinõpe on tehisintellekti alamvaldkond, mis kasutab algoritme ja statistilisi mudeleid, et võimaldada arvutitel õppida ning teha ennustusi või otsuseid ilma selget programmeerimist.
– Süvamõistmine: Süvamõistmine on masinõppe alamvaldkond, mis kasutab mitmetasandilisi neuravõrke keeruliste mustrite ja esinduste õppimiseks ja eraldamiseks andmetest.
Soovitatavad seotud lingid:
– Drexeli ülikool
– Tehisintellekti ülevaade
– Infotehnoloogia Seltsi digitaalne raamatukogu
The source of the article is from the blog mivalle.net.ar