С наступлением четвертой промышленной революции во всем мире растет потребность в обслуживании портовых сооружений с использованием дронов. Кроме того, становится все более важным обеспечить упреждающее техническое обслуживание портовых сооружений для обеспечения их устойчивой безопасности и работоспособности, поскольку ожидается, что количество стареющих портовых сооружений в Республике Корея, срок службы которых к 2030 году превысит 30 лет, увеличится на около 50%.
В частности, с точки зрения портовых операций крайне важно обеспечить безопасную стоянку судов для погрузки и разгрузки. Крылья играют решающую роль в таких ситуациях. Отбойные устройства устанавливаются со стороны моря надстройки причальной стенки для предотвращения повреждений корпуса и конструкции судна, вызванных силой причаливания судна и силой трения. Однако, поскольку к большинству отбойников нельзя добраться напрямую по суше, инспекторам обычно следует подходить на плавучих лодках и визуально проверять состояние отбойников. Очень опасно, отнимает много времени и сложно получить подробную информацию об ущербе из-за морских волн и других рисков.
Корейский институт гражданского строительства и строительных технологий (KICT) объявил о новом методе проверки для автоматического обнаружения крыльев, включающего модель искусственного интеллекта и датчик зрения на беспилотном летательном аппарате . В частности, использовалась сеть глубокого обучения с плотно связанным форматом кодер-декодер. Это одна из сетей, широко используемых для обнаружения объектов на уровне пикселей, вдохновленная эксцентрической функцией человеческого зрения.
Алгоритм искусственного интеллекта, разработанный Отделом структурных инженерных исследований KICT, исследовательской группой под руководством доктора Мина Джиёнга, был назван «Пирамида рецептивного поля с плотной связью (DRFP)» или «Миниатюрная версия DRFP (DRFPt)». Он был направлен на то, чтобы точно и быстро извлекать крылья на уровне пикселей из многочисленных изображений БПЛА.
Для эффективного поиска сразу в широкой области и снижения вычислительной сложности стандартная свертка и расширенная свертка были тесно связаны в форме пирамиды. А набор данных отбойников был собран с помощью БПЛА на различных портовых объектах. Производительность обнаружения предлагаемой модели сравнивалась с другими моделями глубокого обучения, описанными в литературе.
Результаты показали, что предложенная модель надежно обнаруживает кранцы на изображениях, сделанных под разными углами, с показателями IoU и F1, превышающими 88%, несмотря на изменения цвета или формы, вызванные приливом. Здесь IoU (Intersection over Union) означает отношение площади перекрытия к объединенной площади оценки и наземной истины. Оценка F1 является статистической мерой точности теста. 100% означает идеальное перекрытие и точность.
В каждом закоулке портовых сооружений есть множество факторов риска, которые представляют потенциальную угрозу для инспекторов. Поэтому многие портовые власти активно пытаются внедрить новые технологии удаленной инспекции, такие как БПЛА (беспилотные летательные аппараты) и USV (беспилотные надводные летательные аппараты), как для обеспечения безопасности инспекторов, так и для облегчения их детальных и количественных проверок элементов конструкции, которые труднодоступны по суше. Эти беспилотные транспортные средства обычно оснащены датчиками зрения, с помощью которых они постоянно записывают видео или отдельные фотографии, продолжая маневрировать вокруг конструкции.
Учитывая огромные масштабы портовых структур, простирающихся на многие километры, исходный размер данных видеозаписей с высоким разрешением обычно слишком велик для управления обычными компьютерами. Например, около 4000 аэрофотоснимков , занимающих 50 ГБ памяти, были собраны на 1,25-километровом участке перекрытия бетона и основной конструкции кессона в порту Инчхон в Республике Корея, которые были сняты камерой 4k с 50% перекрытием, установленной на дроне. Таким образом, для обеспечения эффективного управления массивными данными аэрофотосъемки во времени важно быстро извлекать из фотографий или видео только целевые объекты, требующие обслуживания, а также хранить и управлять необходимой количественной информацией о состоянии целевых объектов.
Главный исследователь доктор Мин Джиён сказал: «Мы планируем модернизировать эту модель до системы проверки состояния крыла. Это позволит нам количественно обнаруживать повреждения, такие как отсутствующие участки или трещины, только на изображениях с БПЛА. Эта комбинированная технология БПЛА и ИИ позволит автоматически оценивать работоспособность отбойника в будущем, обеспечивая безопасность инспекторов и сокращая временные затраты в полевых условиях».
