![Crédito: Journal of Infrastructure Intelligence and Resilience (2024). DOI: 10.1016/j.iintel.2024.100113 Tecnologia de ponta: Inspeção robótica para integridade de pontes de aço](https://i0.wp.com/scx1.b-cdn.net/csz/news/800a/2024/cutting-edge-tech-robo-1.jpg?resize=800%2C346&ssl=1)
Crédito: Jornal de Inteligência e Resiliência de Infraestrutura (2024). DOI: 10.1016/j.iintel.2024.100113
Os tabuleiros de pontes de aço ortotrópico (OSDs) são fundamentais para projetos de pontes de longo vão, valorizados por sua alta eficiência de suporte de carga e características de leveza. No entanto, a sua estrutura complexa torna-os vulneráveis à fissuração por fadiga, especialmente em pontos-chave de ligação, o que representa sérios riscos de segurança.
Os métodos convencionais de inspeção, como verificações visuais e testes magnéticos, muitas vezes carecem da precisão e da confiabilidade necessárias para detectar trincas internas ou sutis. Embora o teste ultrassônico Phased Array (PAUT) tenha se mostrado promissor, ele não resolveu totalmente esses desafios. Devido a esses problemas persistentes, há uma necessidade urgente de tecnologias de detecção de fissuras mais avançadas e eficientes.
Num estudo conduzido por equipes da Southwest Jiaotong University e da Universidade Politécnica de Hong Kong e publicado no Jornal de Inteligência e Resiliência de Infraestruturaos pesquisadores apresentam um sistema automatizado para detecção de trincas por fadiga em OSDs, usando uma plataforma robótica combinada com tecnologia ultrassônica de phased array.
Aprimorada por modelos de aprendizagem profunda, como Deep Convolutional Generative Adversarial Network (DCGAN) para geração de dados e YOLOv7-tiny para detecção de fissuras em alta velocidade e em tempo real, esta abordagem inovadora oferece uma melhoria significativa na precisão e eficiência, potencialmente revolucionando as práticas de manutenção de pontes.
A principal inovação do estudo reside na fusão da automação robótica com o aprendizado profundo de última geração para uma detecção eficaz de fissuras. O sistema robótico, equipado com uma sonda ultrassônica Phased Array, faz a varredura autônoma dos OSDs, reduzindo significativamente a necessidade de envolvimento humano.
Os pesquisadores aproveitaram o DCGAN para aumentar os conjuntos de dados de imagens PAUT, aumentando as capacidades de aprendizagem do algoritmo. Entre os vários modelos testados, o YOLOv7-tiny emergiu como o mais eficaz, oferecendo velocidade e precisão ideais para localização de fissuras e estimativa de profundidade em tempo real.
Uma característica marcante dessa abordagem é a integração de mecanismos de atenção, que refinaram a capacidade do YOLOv7-tiny de detectar até mesmo rachaduras pequenas ou sobrepostas. Além disso, um novo método de análise da intensidade do eco foi desenvolvido para estimar com precisão a profundidade da fissura, alcançando uma margem de erro abaixo de 5% em comparação com os benchmarks de Difração de Tempo de Voo (TOFD).
Este sistema abrangente não apenas melhora a velocidade de detecção, mas também garante um desempenho confiável em campo, estabelecendo um novo padrão para monitoramento e manutenção da integridade estrutural em infraestruturas críticas.
Hong-ye Gou, pesquisador principal da Southwest Jiaotong University, afirmou: “Nossa pesquisa aborda as principais preocupações de segurança na manutenção de pontes, aproveitando a automação robótica e tecnologias de aprendizagem profunda. O resultado é um sistema altamente eficiente que pode detectar trincas por fadiga com precisão sem precedentes , mesmo em condições desafiadoras.
“Este avanço tem um enorme potencial para melhorar a segurança da infraestrutura. Ao identificar com precisão as fissuras que os métodos convencionais podem ignorar, a nossa abordagem garante que as pontes sejam mais resilientes, protegendo, em última análise, a segurança pública e prolongando a vida útil destas estruturas vitais.”
Este sistema de detecção de última geração tem aplicações de longo alcance para manutenção e segurança de infraestrutura. Ao automatizar a inspeção de OSDs, reduz drasticamente a necessidade de trabalho manual, minimizando o erro humano e ao mesmo tempo fornecendo resultados precisos e em tempo real.
A tecnologia permite a detecção precoce de problemas estruturais, evitando falhas catastróficas. Além disso, a integração de modelos de aprendizagem profunda estabelece as bases para avanços na manutenção preditiva e na monitorização contínua da saúde estrutural, reduzindo potencialmente os custos de manutenção e prolongando a vida útil das principais redes de transporte, garantindo a sua fiabilidade para as gerações futuras.
Fei Hu et al, Detecção automática de trincas PAUT e estrutura de identificação de profundidade baseada em robô de inspeção e método de aprendizado profundo, Jornal de Inteligência e Resiliência de Infraestrutura (2024). DOI: 10.1016/j.iintel.2024.100113
Fornecido por TranSpread
Citação: Tecnologia de ponta: Inspeção robótica para integridade de pontes de aço (2024, 20 de novembro) recuperada em 20 de novembro de 2024 em https://techxplore.com/news/2024-11-edge-tech-robotic-steel-bridge.html
Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.