موسسه فناوری ساختمان و مهندسی عمران کره، «فناوری بازرسی مبتنی بر هوش مصنوعی مولد» را برای ساخت و نگهداری ایمن بزرگراههای زیرزمینی شهری توسعه داده است.
اخیراً تعداد تونلهای قدیمی به تدریج در حال افزایش است. با این حال، تعداد پرسنل متخصص که میتوانند آنها را مدیریت و بازرسی کنند، در حال کاهش است. برای رسیدگی به این موضوع، اقدامات عملی با ادغام فناوری IT به شدت مورد نیاز است. توسعه یک مدل هوش مصنوعی با کارایی بالا نیاز به حجم عظیمی از دادههای آموزشی دارد.
با این حال، هنگام استفاده از چنین فناوری هوش مصنوعی در سایتهای نگهداری، چالش کمبود داده و سازگاری میدانی وجود دارد. مدلهای یادگیری عمیق (Deep Learning) به حجم زیادی از دادههای آموزشی نیاز دارند، اما به دست آوردن دادهها دشوار است زیرا صحنههای آسیبدیدگی مانند لایهلایه شدن یا قرار گرفتن میلگرد روی سطوح بتنی معمولاً دیده نمیشوند. برای حل این مشکل، یادگیری دادههای کوچک با استفاده از تعداد کمی از تصاویر میدانی به جای یادگیری دادههای بزرگ با تصاویر آسیب بتن ضروری است.
در پاسخ، یک تیم تحقیقاتی KICT به رهبری دکتر شیم سونگبو، در بخش تحقیقات مهندسی ژئوتکنیک، یک فناوری بازرسی هوش مصنوعی "هوشمند" توسعه داده است که بر محدودیتهای موجود برای بازرسی ایمنی تونلهای قدیمی غلبه میکند. بارزترین ویژگی این فناوری، توانایی آن در سنتز صحنههای آسیب بتن منحصر به فرد است که فقط در زیرساختهای قدیمی دیده میشود، حتی با مقدار کمی داده.
پیش از این، دادههای میدانی جمعآوریشده برای تشخیص ترکها پردازش میشدند، اما هوش مصنوعی مولد جدید توسعهیافته میتواند دادهها را بهقدری پیچیده تولید کند که از فیلم واقعی قابل تشخیص نیست. هوش مصنوعی این قابلیت را دارد که در عرض 24 ساعت 10000 تصویر از آسیب بتن را سنتز کند و از طریق فناوری انطباقی که مدلهای تشخیص را بر اساس دادههای ویدیویی میدانی جمعآوریشده یاد میگیرد و آموزش میدهد، به طور موثر به مسائل کمبود داده رسیدگی کرده و هزینههای آموزش را کاهش داده است.
این فناوری هوش مصنوعی با پهپادهای خودران یکپارچه شده و با موفقیت تأییدیه میدانی را در تونلهای بزرگ واقعی به پایان رسانده است. مهمترین بخش بازرسی تونل، سقف است. در حال حاضر، کارگران بازرسیهای بصری را با استفاده از وسایل نقلیه کار در ارتفاع انجام میدهند، اما این روش ممکن است مسائل مربوط به قابلیت اطمینان و ایمنی داشته باشد. با این حال، پهپاد توسعهیافته با همکاری LASTMILE Co., Ltd. میتواند آزادانه در داخل تونلها با حاشیه خطای 20 سانتیمتر، با استفاده از سنسور موقعیتیابی داخلی دوربرد کلاس 200M حرکت کند. انتظار میرود این امر به طور موثر جایگزین نیروی کار انجامدهنده کارهای خطرناک شود.
دکتر شیم گفت: "این تحقیق یک فناوری است که این کلیشه را میشکند که برای استفاده از هوش مصنوعی به حجم زیادی از دادههای آموزشی نیاز است و مفهوم جدیدی از ایجاد دادهها را در صورت عدم وجود پیادهسازی میکند." او ابراز امیدواری کرد که این فناوری امکانات جدیدی را برای کاربردهای هوش مصنوعی در کل زمینه ساخت و ساز باز کند.
ارائهشده توسط شورای ملی تحقیقات علوم و فناوری