Egy mesterséges intelligencia által vezérelt robotrendszer forradalmasíthatja az infrastruktúra-ellenőrzést, amivel kritikus szerkezetek: különböző épületek, utak és hidak hibáit lehet idejekorán felismerni és elhárítani – még azelőtt, hogy katasztrófa történne.
Az amerikai Drexel Egyetemen kifejlesztett rendszer egy konvolúciós neurális hálózatnak nevezett mélytanulási algoritmust használ a szerkezetről készült nagyfelbontású képek elemzésére és a repedésekkel érintett területek azonosítására. A Science-ben közölt tanulmány szerint azért indokolt bevonni a technológiát az ellenőrzési folyamatokba, mert a modern világ egyelőre nem ismerte fel, hogy infrastruktúra válság közelít: a következő évtizedekben egyre épület, híd, út és alagút fogja a pusztulás és a károsodás jeleit mutatni.
A szakértők arra figyelmeztetnek, hogy a kritikus infrastruktúrák szerkezeteit az összeomlás és a meghibásodás veszélye fenyegeti, ha nem ellenőrzik és javítják őket időben. A jelenlegi vizsgálati módszerek ugyanakkor lassúak, költségesek és munkaigényesek, ráadásul nem képesek átfogó képet adni a problémákról. Azon túl, hogy egy károsodott infrastruktúra baleset- és életveszélyt jelenthet, a javításának költségei is elképesztőek. Az Amerikai Építőmérnökök Társasága szerint csak az Egyesült Államokban 786 milliárd dollárt kell költeni az utak és hidak javítására.
Az egyetem mérnöki kutatócsoportja ezekre a kihívásokra válaszol egy újonnan kifejlesztett rendszerrel, ami robotokkal és gépi tanulással ismerné fel, majd értékelné az infrastruktúraelemek szerkezeti hibáit, ezáltal javítsa az ellenőrzés és a karbantartás hatékonyságát.
A rendszer egy lézerszkennelő és egy számítógépes látásmodulból áll. Az utóbbi mélytanulási algoritmussal, úgynevezett konvolúciós neurális hálózattal képes a szerkezetről készült nagyfelbontású képek elemzésére, valamint a repedésekkel érintett területek azonosítására. A lézerszkennelő modul ezután végez részletes letapogatást a repedezett régiókról, hogy aztán a további elemzéshez és felügyelethez létrehozzon egy háromdimenziós sérülésmodellt. A kutatók azt állítják, hogy a rendszerük csökkenti az ellenőrzések munkaterhelését, valamint célzott, időben történő beavatkozásokat tesz lehetővé a szerkezeti meghibásodások megelőzése érdekében.
„A repedések a szerkezeti romlás első jelei és potenciális veszélyek, amelyeket a lehető leghamarabb fel kell fedezni és folyamatosan mérni is kell. A rendszerünk gyors és pontos módot ad a repedések szűrésére és letapogatására, ami nagy segítség lehet, mind a diagnózis, mind pedig a karbantartói munkák során” – magyarázta Dr. Arvin Ebrahimkhanlou egyetemi docens. A tanulmány társszerzője arra is rámutat, hogy az infrastruktúra nagyságrendje és összetettsége olyan több skálán működő robotikus megközelítést igényel, ami egyszerre képes kezelni a nagy és az apró hibákat is. „A polgári infrastruktúrák hatalmas szerkezetekből állnak, de problémáik gyakran mikroszkopikus szinten jelentkeznek. Úgy véljük, hogy a rendszerünk egyesíteni tudja a számítógépes látás és a lézerszkennelés előnyeit, ami lehetővé teszi, hogy az autonóm robotok hatékonyan és pontosan vizsgálják a hibákat.”
A kutatók már valós szerkezeteken tesztelik a rendszert, és ipari partnerekkel működnek együtt a rendszerük terepen történő bevetése érdekében. Azt remélik, hogy a megoldásukról a gyakorlatban is kiderül: képes katasztrofális meghibásodások megelőzésére, amivel egyszerre lehet életeket és erőforrásokat menteni, valamint infrastruktúrák biztonságát és fenntarthatóságát szavatolni.
Gábor János
A főoldali kép illusztráció. Fotó: Freepik
Zajlik az 5. blokki nukleáris sziget betonozása, a 6. blokki munkagödör földmennyiségének negyedét kiemelték.