得益于人工智能 (AI) 的最新进展，土木工程师可以更高效、更具成本效益地检查大型基础设施，同时还可以监控损坏严重程度随时间的进展。

洛桑联邦理工学院 (EPFL) 研究人员团队展示了人工智能驱动的裂纹检测、扩展和监控方法的可行性，并将很快在瓦莱州采尔马特和布里格之间的铁路段上进行测试。该研究是发表在建筑自动化。

人工智能可以通过自动检查轨道、枕木、道碴和挡土墙来帮助提高铁路安全。洛桑联邦理工学院智能维护和操作系统 (IMOS) 实验室的研究人员开发了一种人工智能驱动的方法，可提高裂缝检测的效率混凝土结构。

他们的研究引入了一种采用可解释的新方法人工智能，或者是一种允许用户了解人工智能决策基础的人工智能形式。

“我们训练了一种算法来区分有裂纹和没有裂纹的图像混凝土墙[二元分类任务] 通过向其提供来自两个类别的数百个图像样本。然后我们要求算法突出显示它使用哪些像素来做出决定，”IMOS 实验室的科学家、该研究的主要作者 Florent Forest 说道。

该算法成功识别出裂缝对应的像素。“通过我们的方法，用户可以将几年来拍摄的一段铁路或任何其他类型的图像提供给算法基础设施定期进行检查，并要求其量化随时间推移墙壁和枕木裂缝的严重程度。这有助于基础设施运营商更有效地规划维护，”他说。

加强检查

目前，铁路运营商使用预定义的标准定期检查挡土墙等基础设施的状况，其中等级由经验丰富的检查员指定。然而，这个过程通常容易出现主观评估，并且很难跟踪随时间的变化，特别是当不同的检查员在不同时间点评估基础设施的同一部分时。

由于数字化的进步，铁路运营商可以使用专门的监控车厢来监控轨道状况，该车厢配备了各种测量设备以及侧面和地面摄像头，用于对铁轨、混凝土枕木和挡土墙进行目视检查。

通过使用这些人工智能驱动的系统进行损坏严重程度量化，检查过程可以实现自动化，使其更加客观、准确，并且随着时间的推移更容易进行比较。

洛桑联邦理工学院研究团队将在采尔马特和布里格之间以及布里格和迪森蒂斯之间的铁路路段上测试其方法。这些部分包括许多不同形状和材料的挡土墙，使得该任务对算法来说极具挑战性。

该团队已经收集了无人机图像以及监控教练的图像，并将使用其人工智能算法协助铁路运营商更频繁、更系统地监控其基础设施。

更多信息：Florent Forest 等人，用可解释的人工智能从分类到分割：裂纹检测和生长监测的研究，建筑自动化（2024）。DOI：10.1016/j.autcon.2024.105497