Revolucionāra AI vadīta robotikas sistēma ir izstrādāta Drexela universitātē Pensilvānijā, kas apsolās transformēt struktūru un ēku bojājumu pārbaudi. Ar mērķi novērst avārijas, šī inovatīvā sistēma apvieno datorredzi un mašīnmācību, lai identificētu un novērtētu potenciālas problēmu jomas.
Infrastruktūras pašreizējais stāvoklis rada satraukumu, jo struktūras notiek ātrākais sabrukums nekā to var uzturēt. Nesenas sabrukšanas un izgāšanās gadījumi ir aktualizējuši nepieciešamību pēc efektīvākas un efektīvākas metodes, lai identificētu bojājuma pazīmes un novērstu katastrofiskus notikumus. Tradicionālās pārbaudes metodes prasa daudz laika un nevar aptvert katru plaisu, tāpēc ir grūti identificēt bīstamas bojājumu pazīmes starp normālo nolietojumu.
Jaunās daudzlīmeņu sistēmas izmanto datorredzi un dziļās mācības algoritmu, lai identificētu problēmu jomas. Tad tā vada virkni lāzera skanējumu, lai izveidotu digitālo dublikātu, ko var izmantot, lai precīzi novērtētu un monitorētu bojājumus. Pārbaudes procesa vairotnei vienlaicīgi var samazināt darba slogu, ļaujot koncentrētus uzlabojumus un remontdarbus.
Sistēma neizmanto tikai fiziskos mērījumus, bet gan augstas izšķirtspējas stereo-dziļuma kameras rezultātus un konvolūcijas neironu tīklu, lai identificētu plaisu līdzīgus modeļus. Šīs augstās tehnoloģijas spēj atpazīt pat vissmalkākos modeļus un atšķirības lielos datu apjomos. Kad apjoma interesējošā reģionā ir identificēta, robotskārsnī skenē teritoriju ar lāzera līnijas skeneri, radot detalizētu trīsdimensionālu ainu no bojātās teritorijas. Turklāt Lidaras kamera pārskata apkārtējo struktūru, sniedzot papildu vērtīgu informāciju.
Šīs jaunās sistēmas priekšrocības pārsniedz sākotnējo pārbaudi. Digitālais dublikāta modelis ļauj novērot plaisu veidošanos, nodrošinot tiltu īpašniekiem labāku sapratni par infrastruktūras stāvokli. Tas ļauj plānot efektīvu apkopes un labiekārtošanas darbu, nodrošinot ilgtermiņa ēkas vai tilta strukturālo integritāti.
Lai gan cilvēka pārbaudītāji vēl joprojām īstenos lēmumu pieņemšanu, AI vadīto robotu palīgprogrammu ieviešana var ievērojami samazināt viņu darba slodzi un samazināt pārraudzības vai subjektīvu vērtējumu kļūdu varbūtību. Automatizējot pārbaudes procesu, datu apkopošana var būt ierobežota līdz jomām, kas prasa uzmanību, uzlabojot vispārējo efektivitāti un precizitāti.
Pētnieki vizualizē šo sistēmu iekļaušanu lielākā autonomā monitoringu sistēmā, kas ietver dronus un citus autonomos transportlīdzekļus. Šīs visaptverošās pieejas mērķis ir izveidot viedāku un efektīvāku sistēmu, kas nodrošina struktūras integritātes uzturēšanu dažāda veida infrastruktūrā.
Praktiskas piemērošanas un sadarbības ar nozares un regulējošajām iestādēm iesaistīšanās būs būtiska šīs pārveidojošās tehnoloģijas praktiskai izmantošanai un pastāvīgai pilnveidei. Ar potenciālu ēku pārbaudes revolūcijai šī AI vadītā robotikas sistēma iezīmē jaunu laikmetu nomācības un remonta centienos, kuri saistīti ar novecotu infrastruktūru.
Biežāk uzdotie jautājumi:
1. Kas ir AI vadīta robotikas sistēma, ko izstrādājuši pētnieki no Drexela universitātes?
– AI vadītā robotikas sistēma ir revolucionāra tehnoloģija, kas apvieno datorredzi un mašīnmācību, lai pārbaudītu un novērtētu struktūras un ēkas bojājumus.
2. Kā sistēma identificē potenciālas problēmu jomas?
– Sistēma izmanto datorredzi un dziļās mācības algoritmu, lai identificētu plaisu veidojošus modeļus un atšķirības no datiem, kas iegūti no augstas izšķirtspējas stereo-dziļuma kamerām un Lidaras kamerām.
3. Kāda ir šīs sistēmas priekšrocība salīdzinājumā ar tradicionālajām pārbaudes metodēm?
– Sistēma optimizē pārbaudes procesu, padarot to efektīvāku un precīzāku. Tā spēj identificēt problēmu jomas, kas varētu būt grūti atpazīt ar neapbruņotu aci vai tradicionālām metodēm.
4. Kā sistēma izveido digitālo dublikātu no bojātās teritorijas?
– Pēc tam, kad ir identificēts interesējošās reģiona iemesls, robotskārsnī skenē teritoriju ar lāzera līnijas skeneri, radot trīsdimensionālu ainu no bojātās teritorijas.
5. Kādas ir digitālā dublikāta modeļa priekšrocības?
– Digitālais dublikāta modelis ļauj novērot plaisu veidošanos, nodrošinot tiltu īpašniekiem labāku sapratni par infrastruktūras stāvokli. Tas ļauj efektīvi plānot apkopēs un remontdarbos.
6. Kā šī sistēma samazina cilvēka pārbaudītāju darba slodzi?
– Automatizējot pārbaudes procesu, sistēma ierobežo datu apkopošanu tikai jomām, kas prasa uzmanību. Tas samazina cilvēka pārbaudītāju darba slogu un samazina pārraudzības vai subjektīvu vērtējumu kļūdu varbūtību.
7. Kāda ir nākotnes redzējums šai sistēmai?
– Pētnieki plāno integrēt šo sistēmu plašākā autonomās monitoringa sistēmā, kas iekļauj dronus un citus autonomos transportlīdzekļus. Šāda visaptveroša pieeja vērsta uz viedāku un efektīvāku sistēmu struktūras integritātes uzturēšanai.
Galvenie termini un definīcijas:
– Datorredze: Datorredze ir mākslīgā intelekta nozare, kas koncentrējas uz datoru spēju iegūt augsta līmeņa sapratni par digitālām attēlu vai video iezīmēm.
– Mašīnmācība: Mašīnmācība ir mākslīgā intelekta apakšnozare, kas izmanto algoritmus un statistiskos modeļus, lai ļautu datoriem mācīties no datiem un prognozēt vai pieņemt lēmumus bez eksplisīvas programmēšanas.
– Dziļā mācīšanās: Dziļā mācīšanās ir mašīnmācības apakšnozare, kas izmanto neironu tīklus ar vairākiem slāņiem, lai izgūtu un iegūtu sarežģītas modeļus un reprezentācijas no datiem.
Ieteiktie saistītie resursi:
– Drexela universitāte
– Mākslīgā intelekta pārskats
– Datorzinātnes digitālā bibliotēka
The source of the article is from the blog xn--campiahoy-p6a.es