我们的建筑环境正在老化和衰败，我们无法维持它。根据专家的说法，最近的建筑物倒塌和道路和桥梁的结构故障是一个问题可能变得更糟的迹象，因为不可能检查每一个裂缝，吱吱作响和崩溃，从正常的磨损中分析危险的故障迹象。
为了迎头赶上，德雷塞尔大学工程学院的研究人员正试图为机器人助手提供工具，以帮助检查员完成这项工作。
近年来，视觉检测技术已经为加速损伤评估提供了部分解决方案，研究人员利用一种新的机器学习方法，创造了一个系统，他们相信这个系统可以让自主机器人有效地识别和检查问题区域。
据《建筑自动化》杂志报道，他们的多尺度系统将计算机视觉与深度学习算法相结合，在指导一系列激光扫描区域之前，精确定位开裂问题区域，以创建一个“数字孪生”计算机模型，可用于评估和监测损坏情况。
该系统代表了一种战略，可以大大减少总体检查工作量，并能够集中考虑和注意防止结构故障。
“裂缝可以被视为患者的医学症状，应该在早期阶段进行筛查，”研究报告的作者、德雷塞尔工程学院的助理教授阿尔文·易卜拉欣汗卢博士和研究助理阿里·加迪扎德·阿拉姆达里写道。“因此，早期和准确的检测和测量裂缝对于及时诊断，维护和修复工作至关重要，可以防止进一步恶化并减轻潜在的危害。”
但现在，他们指出，全国的许多建筑物、桥梁、隧道和水坝都是行走伤员，因此当务之急应该是建立一个分诊系统。在《两党基础设施法》出台之前，美国土木工程师协会(American Society of Civil Engineers)估计，道路和桥梁的维修工作积压了7860亿美元。更大的挑战是熟练的基础设施工人日益短缺，包括检查员和那些修理老化结构的人。
“民用基础设施包括大型结构和桥梁，但它们的缺陷往往规模很小，”易卜拉欣汗卢说。“我们相信，采用多尺度机器人方法可以通过计算机视觉对问题区域进行有效的预筛选，并使用非破坏性的激光扫描对缺陷进行精确的机器人扫描。”
该系统使用高分辨率立体深度相机将结构输入一个名为卷积神经网络的深度学习程序，而不是由人眼主观解释的物理测量。这些被用于面部识别、药物开发和深度伪造检测的程序，因其在大量数据中发现最细微的模式和差异的能力而受到关注。
在混凝土结构图像数据集上训练算法，使其成为裂缝检测器。
“神经网络已经在样本裂缝数据集上进行了训练，它可以识别机器人系统从混凝土结构表面收集的图像中的裂缝模式。我们把包含这种模式的区域称为感兴趣的区域，”Ebrahimkhanlou说，他在德雷克塞尔大学土木、建筑和环境工程系领导基于机器人和人工智能的基础设施、机械和航天结构评估研究。
一旦“感兴趣的区域”——裂缝或损坏的区域——被识别出来，该程序就会指示机械臂用激光线扫描仪扫描它，从而创建损坏区域的三维图像。与此同时，激光雷达(光探测和测距)摄像机扫描裂缝周围的结构。将这两幅图拼接在一起，就可以创建一个该区域的数字模型，显示裂缝的宽度和尺寸，并允许在检查之间跟踪变化。
Alamdari说:“跟踪裂缝的增长是制作数字孪生模型的优势之一。“此外，它可以让桥梁业主更好地了解桥梁的状况，并计划维护和维修。”
该团队在实验室中测试了该系统，测试对象是一块有各种裂缝和退化的混凝土板。在对其检测和测量小裂缝能力的测试中，该系统足够灵敏，可以精确定位并准确测量出最小的裂缝——小于百分之一毫米宽——比顶级相机、扫描仪和光纤传感器的性能要好得多。
据研究人员称，虽然人类检查员仍将对何时以及如何修复损坏做出最终决定，但机器人助手可以大大减少他们的工作量。此外，自动化检查过程将减少过度工作的人类检查员第一次检查时可能发生的疏忽和主观判断错误。
他们写道:“这种方法大大减少了从结构状况良好的地区收集不必要的数据，同时仍然为状况评估提供了全面可靠的数据。”
研究人员设想将多尺度监测系统作为更大的自主监测框架的一部分，包括无人机和其他自动驾驶车辆，如联邦公路管理局无损评估实验室提出的，它将使用一系列工具和传感技术来自主监测和修复基础设施。
Alamdari说:“展望未来，我们的目标是将这项工作与无人地面车辆相结合，增强系统自主检测、分析和监测裂缝的能力。”“我们的目标是创建一个更全面、智能和高效的系统，以维护各种类型基础设施的结构完整性。此外，实际测试以及与行业和监管机构的合作对于该技术的实际应用和持续改进至关重要。”
更多信息:Ali Ghadimzadeh Alamdari等人，混凝土结构中精确裂缝测量的多尺度机器人方法，自动化施工(2023)。引文:研究人员提出用于建筑物，道路和桥梁机器人检查的人工智能引导系统(2024年1月30日)检索自https://techxplore.com/news/2024-01-ai-robotic-roads-bridges.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
