Pesquisadores propõem sistema guiado por IA para inspeção robótica de edifícios, estradas e pontes

Nosso ambiente construído está envelhecendo e falhando mais rápido do que conseguimos mantê-lo. Os recentes colapsos de edifícios e as falhas estruturais de estradas e pontes são indicadores de um problema que provavelmente irá piorar, segundo os especialistas, porque simplesmente não é possível inspecionar cada fissura, rangido e desmoronamento para analisar sinais perigosos de falha do desgaste normal.

Na esperança de recuperar o atraso, os pesquisadores da Faculdade de Engenharia da Universidade Drexel estão tentando fornecer aos assistentes robóticos as ferramentas para ajudar os inspetores no trabalho.

Aumentando as tecnologias de inspeção visual – que ofereceram soluções parciais para acelerar a avaliação de danos nos últimos anos – com uma nova abordagem de aprendizagem automática, os investigadores criaram um sistema que acreditam poder permitir a identificação e inspeção eficientes de áreas problemáticas por robôs autónomos.

Relatado no jornal Automação na Construçãoseu sistema multiescala combina visão computacional com um algoritmo de aprendizado profundo para identificar áreas problemáticas de rachaduras antes de direcionar uma série de varreduras a laser das regiões para criar um modelo de computador “gêmeo digital” que pode ser usado para avaliar e monitorar os danos .

O sistema representa uma estratégia que reduziria significativamente a carga de trabalho geral de inspeção e permitiria a consideração focada e os cuidados necessários para evitar falhas estruturais.

“As rachaduras podem ser consideradas sintomas médicos do paciente que devem ser examinados nos estágios iniciais”, os autores, Arvin Ebrahimkhanlou, Ph.D., professor assistente, e Ali Ghadimzadeh Alamdari, assistente de pesquisa, ambos na Faculdade de Engenharia de Drexel , escreveu. “Consequentemente, a detecção e medição precoce e precisa de fissuras são essenciais para diagnósticos oportunos, manutenção e esforços de reparo, evitando maior deterioração e mitigando riscos potenciais.”

Mas neste momento, observam eles, há tantos edifícios, pontes, túneis e barragens do país entre os feridos ambulantes que a primeira prioridade deveria ser a criação de um sistema de triagem. Antes da Lei Bipartidária de Infraestruturas, a Sociedade Americana de Engenheiros Civis estimava um atraso de 786 mil milhões de dólares em reparações em estradas e pontes. A acrescentar ao desafio está a crescente escassez de trabalhadores qualificados em infra-estruturas – incluindo inspectores e aqueles que reparariam estruturas antigas.

“As infra-estruturas civis incluem estruturas e pontes de grande escala, mas os seus defeitos são frequentemente de pequena escala”, disse Ebrahimkhanlou. “Acreditamos que adotar uma abordagem robótica em múltiplas escalas permitirá uma pré-triagem eficiente de áreas problemáticas por meio de visão computacional e varredura robótica precisa de defeitos usando varreduras não destrutivas baseadas em laser.”

Em vez de uma medição física interpretada subjetivamente pelos olhos humanos, o sistema usa uma câmera de alta resolução com profundidade estéreo da estrutura em um programa de aprendizado profundo chamado rede neural convolucional. Esses programas, que estão sendo usados ​​para reconhecimento facial, desenvolvimento de medicamentos e detecção de deepfakes, estão ganhando atenção por sua capacidade de detectar os melhores padrões e discrepâncias em grandes volumes de dados.

Treinar os algoritmos em conjuntos de dados de imagens de estruturas de concreto os transforma em detectores de fissuras.

“A rede neural foi treinada em um conjunto de dados de amostras de rachaduras e pode identificar padrões semelhantes a rachaduras nas imagens que o sistema robótico coleta da superfície de uma estrutura de concreto. Chamamos regiões que contêm tais padrões de regiões de interesse, ” disse Ebrahimkhanlou, que lidera pesquisas sobre avaliação robótica e baseada em inteligência artificial de infraestrutura, estruturas mecânicas e aeroespaciais no Departamento de Engenharia Civil, Arquitetônica e Ambiental de Drexel.

Uma vez identificada a “região de interesse” – a área rachada ou danificada –, o programa direciona um braço robótico para escaneá-la com um scanner de linha a laser, que cria uma imagem tridimensional da área danificada. Ao mesmo tempo, uma câmera LiDAR (Light Detection and Ranging) examina a estrutura ao redor da fissura. A junção dos dois gráficos cria um modelo digital da área que mostra a largura e as dimensões da fissura e permite rastrear alterações entre as inspeções.

“Acompanhar o crescimento do crack é uma das vantagens de produzir um modelo de gêmeo digital”, disse Alamdari. “Além disso, permite que os proprietários de pontes tenham uma melhor compreensão das condições de sua ponte e planejem manutenção e reparos.”

A equipe testou o sistema em laboratório em uma laje de concreto com diversas rachaduras e deterioração. Em um teste de sua capacidade de detectar e medir pequenas fissuras, o sistema foi sensível o suficiente para identificar e dimensionar com precisão a menor das fissuras – com menos de um centésimo de milímetro de largura – superando o desempenho de câmeras, scanners e scanners de última geração. sensores de fibra óptica por uma margem respeitável.

Embora os inspetores humanos ainda tomem a decisão final sobre quando e como reparar os danos, os assistentes robóticos poderiam reduzir significativamente a sua carga de trabalho, segundo os investigadores. Além disso, um processo de inspeção automatizado reduziria os descuidos e os erros subjetivos de julgamento que podem ocorrer quando inspetores humanos sobrecarregados dão a primeira olhada.

“Esta abordagem reduz significativamente a recolha desnecessária de dados de áreas que estão em boas condições estruturais, ao mesmo tempo que fornece dados abrangentes e fiáveis ​​necessários para a avaliação das condições”, escreveram.

Os pesquisadores pretendem incorporar o sistema de monitoramento em múltiplas escalas como parte de uma estrutura de monitoramento autônomo mais ampla, incluindo drones e outros veículos autônomos – como o proposto pelo Laboratório de Avaliação Não Destrutiva da Administração Rodoviária Federal, que usaria uma série de ferramentas e tecnologias de detecção para monitorar autonomamente. monitorar e reparar infraestrutura.

“No futuro, pretendemos integrar este trabalho com um veículo terrestre não tripulado, aumentando a capacidade do sistema de detectar, analisar e monitorar fissuras de forma autônoma”, disse Alamdari. “O objetivo é criar um sistema mais abrangente, inteligente e eficiente para manter a integridade estrutural em vários tipos de infraestrutura. Além disso, os testes no mundo real e a colaboração com a indústria e órgãos reguladores serão essenciais para a aplicação prática e a melhoria contínua da tecnologia. “