1. Home
  2. KONKURSY
  3. KDMI
  4. FINALISTA – VI EDYCJA KDMI
FINALISTA – VI EDYCJA KDMI
0

FINALISTA – VI EDYCJA KDMI

0

Głębokie sieci neuronowe w ocenie stanu technicznego obiektów budowlanych

Autor:
Jakub Niemiec

Wydział Inżynierii Lądowej Politechniki Krakowskiej

Mentor:
dr hab. inż. Marek Słoński, prof. PK

O projekcie:

W projekcie porównano trzy architektury sieci neuronowych: Unet, TransUnet i Attention Unet, w celu wykrywania pęknięć w elementach betonowych. Opisując zdjęcia ze zbioru SDNET2018 stworzono nowy zbiór danych służący do zadania segmentacji obrazu. W celu uzyskania większej ilości obrazów zastosowano augmentacje danych. Do oceny oraz monitorowania procesu trenowania wykorzystano indeks Jaccarda, opisujący podobieństwo między zbiorami, jest to popularnie wykorzystywana metryka w procesie segmentacji. W wyniku porównania, model oparty na architekturze TransUnet osiągnął najwyższą dokładność wynoszącą 88%. Pomiar pęknięcia wykonano wykorzystując metody przetwarzania i analizy obrazu. Opracowany algorytm przedstawiony jest na schemacie blokowym. Odczytana wartość podana jest w pikselach. Przykładowe wyniki wykrywania oraz pomiaru pęknięcia przedstawiono na obrazie. Jedną z metod aby otrzymać wynik w jednostce rzeczywistej jest umieszczenie na obrazie obiektu referencyjnego o znanych wymiarach, odniesienie jego wielkości na wartość pikselową i obliczenie ilości pikseli przypadających na jednostkę rzeczywistą – przykładowy wynik takiej operacji pokazano na obrazie. Tradycyjna ocena stanu technicznego odbywa się w sposób wizualny, jest on czasochłonny, zależny od osoby przeprowadzającej sprawdzenie i jej kompetencje. Użycie autonomicznych urządzeń z systemem rozpoznawania pęknięć pozwala taki proces zautomatyzować oraz wykonywać w trudno dostępnych miejscach.

Co było największym wyzwaniem inżynierskim?

Wyzwaniem w projekcie było stworzenie modelu pozwalającego na wykrywanie pęknięć w elementach betonowych oraz algorytmu pozwalającego określić największą szerokość pęknięcia i miejsce jego wystąpienia. Do rozwiązania wykorzystano uczenie głębokie oraz przetwarzanie i analizę obrazu.

O autorze:

Jakub Niemiec

Absolwent Wydziału Inżynierii Lądowej Politechniki Krakowskiej. Aktualnie projektant konstrukcji mostowych specjalizujący się w zagadnieniach BIM i automatyzacji procesu projektowania.