最近の人工知能 (AI) の進歩のおかげで、土木技術者は大規模インフラをより効率的かつコスト効率よく検査しながら、時間の経過に伴う被害の深刻度の進行を監視できるようになりました。

EPFLの研究者チームは、亀裂の検出、成長、監視のためのAI主導の方法の実現可能性を実証し、間もなくヴァレー州のツェルマットとブリーク間の鉄道区間で試験を行う予定だ。研究というのは、出版されたで建設における自動化。

AI は、線路、枕木、バラスト、擁壁の自動検査を可能にし、鉄道の安全性の向上に役立ちます。EPFL のインテリジェント保守運用システム (IMOS) 研究所の研究者は、亀裂検出の効率を向上させる AI 駆動の方法を開発しました。コンクリート構造物。

彼らの研究では、説明可能な手法を採用した新しい方法が導入されています。人工知能、またはユーザーが AI の決定の基礎を理解できるようにする AI の形式。

「私たちは、亀裂のある画像と亀裂のない画像を区別するアルゴリズムをトレーニングしました。コンクリートの壁[バイナリ分類タスク] には、両方のカテゴリから数百の画像サンプルを供給します。次に、決定を下すためにどのピクセルが使用されたかを強調表示するようにアルゴリズムに依頼しました」と、IMOS ラボの科学者であり、研究の筆頭著者であるフローレント フォレスト氏は述べています。

アルゴリズムは亀裂に対応するピクセルを特定することに成功しました。「私たちのアプローチを使用すると、ユーザーは鉄道の区間や他の種類の鉄道の区間で数年にわたって撮影された画像をアルゴリズムにフィードすることができます。インフラストラクチャーそれは定期的に検査されており、壁や枕木の亀裂の深刻さを長期にわたって定量化するよう依頼します。これにより、インフラストラクチャ運営者がより効果的にメンテナンスを計画できるようになります」と彼は言います。

検査の強化

現在、鉄道事業者は事前に定められた基準に基づいて擁壁などのインフラの状態を定期的に検査しており、経験豊富な検査員によって等級が付けられています。ただし、このプロセスは主観的な評価になりがちで、特に異なる検査官が異なる時点でインフラストラクチャの同じセクションを評価する場合、時間の経過に伴う変化を追跡することが困難になります。

デジタル化の進展により、鉄道事業者は、レール、コンクリート枕木、擁壁などの目視検査用の各種計測機器や側方・床面カメラを備えた専用の監視客車を使用して線路の状態を監視できるようになりました。

これらの AI 駆動システムを損傷重大度の定量化に使用することで、検査プロセスが自動化され、より客観的かつ正確になり、長期にわたる比較が容易になります。

EPFL研究チームは、ツェルマットとブリークの間、およびブリークとディゼンティスの間の鉄道区間でその方法をテストする予定です。これらのセクションには、さまざまな形状や材質の擁壁が多数含まれているため、アルゴリズムにとってタスクが非常に困難になります。

チームはすでにドローン画像と監視コーチからの画像を収集しており、その AI を使用する予定です。アルゴリズムを助けるために鉄道オペレータはインフラストラクチャをより頻繁かつ体系的に監視できるようになります。

詳細情報:Florent Forest 他、説明可能な AI を使用した分類からセグメンテーションまで: 亀裂の検出と成長モニタリングに関する研究、建設における自動化（2024年）。DOI: 10.1016/j.autcon.2024.105497