De AI-barstdetector helpt ingenieurs slimmer te werken

Over het geheel genomen worden barsten nooit kleiner. Denk bijvoorbeeld aan een glas. Als er een barst in zit, gebruik je het glas niet meer omdat het een kwestie van tijd is voordat het breekt. Gelukkig is dit niet het geval bij elk licht gebarsten materiaal en kun je, als je er vroeg genoeg bij bent, voorkomen dat een kleine barst een groot probleem wordt.

Beton is hier een goed voorbeeld van. Het is ongelooflijk sterk en duurzaam, en daarom wordt het gebruikt voor gebouwen, wegen en bruggen. Na ongeveer 50 jaar begint het echter de eerste tekenen van verslechtering te vertonen en worden civiele ingenieurs snel ingezet om structuren te inspecteren, te controleren op barsten en belangrijke aanbevelingen te doen met betrekking tot de handelswijze. Dit is essentieel werk, vooral op plekken als complexe snelwegen. Deze wegen worden wekelijks gebruikt door honderdduizenden, zo niet miljoenen, automobilisten en bevatten vaak ook verschillende bruggen, tunnels en andere betonnen constructies.

In Japan wordt een dergelijk netwerk geëxploiteerd door de Nippon Expressway Company (NEXCO) en ligt het aantal wegen net onder de 10.000 kilometer, zijn 16.700 betonnen bruggen en 1.680 tunnels. Ongeveer de helft daarvan is ouder dan 30 jaar en vele dateren uit de jaren 60. Dat is heel veel beton. Vooral als je bedenkt dat elke centimeter veilig en geschikt moet zijn voor het doel.

Van oudsher zou een kleine groep onverschrokken ingenieurs en experts het inspectiewerk in zijn geheel hebben uitgevoerd, waarbij barsten, verkleuringen en afspattingen van beton (waar beton van de structuur is afgebroken) van dichtbij worden bekeken. Hierbij lopen ze niet alleen rond met een vergrootglas of tikken ze op het beton om het te controleren. Ze beklimmen bruggen met hoogwerkers en voertuigen met uitschuifbare armen, zodat ze moeilijk te bereiken plekken kunnen bereiken. Het is een noodzakelijke, maar kostbare zaak, zelfs voordat er verdere analyse- of reparatiewerkzaamheden plaatsvinden.

Met de steeds groter wordende wegennetwerken en de verwachte problemen bij het werven van ingenieurs in de toekomst, moest NEXCO's Research Institute nieuwe en efficiënte manieren verkennen om deze eindeloze uitdaging aan te pakken. Op deze manier ontdekten ze Canon's Inspection EYE for Infrastructure, een beeldservice die gebruikmaakt van deep learning om defecten te detecteren.

De inspectiebeelden worden eerst vastgelegd met een Canon EOS-spiegelreflexcamera met hoge resolutie, die op een gemotoriseerde panoramasteun wordt geplaatst en automatisch meedraait en kantelt om vanuit alle hoeken een punt vast te leggen. Deze beelden worden vervolgens aan elkaar gekoppeld om één high-definition versie te maken die door kunstmatige intelligentie kan worden geanalyseerd. Dit AI-model is getraind op basis van gegevens van Tosetsu Civil Engineering Consultant Inc., die pioniers zijn op het gebied van op beelden gebaseerde infrastructuurinspecties, en het heeft geleerd om barsten te detecteren op een niveau dat vergelijkbaar is met dat van zeer deskundige inspectie-ingenieurs, en zelfs om barsten in het wandoppervlak te identificeren zonder ten onrechte vuil of voegen te detecteren.

In een vergelijkingsoefening deed een civiele ingenieur die dezelfde beelden kreeg als de Inspection EYE for Infrastructure 720 minuten over het identificeren van ongeveer 500 barsten en het vervolgens voorbereiden van de bijbehorende inspectiegegevens. Met behulp van onze AI-tool deed dezelfde ingenieur slechts 90 minuten over dezelfde taak. Er werd ook opgemerkt dat het systeem niet alleen nauwkeurig was, maar ook consistent in resultaten. Bij een menselijke analyse kunnen resultaten enigszins variabel zijn. Gekwalificeerde ingenieurs beoordelen echter altijd de eindresultaten en, indien nodig, worden eventuele bewerkingen aan het AI-model voorgelegd, zodat het kan blijven leren en verbeteren.

Bij het werken voor Nippon Expressway "is geautomatiseerde defectdetectie met AI slechts een onderdeel van het inspectieproces", legt Masakazu Honda uit, Division Chief van de Maintenance Management and Promotion Division, Infrastructure Development Department bij NEXCO RI. "Een ingenieur moet de eindbeoordeling doen", maar uit onze tests is gebleken dat Inspection EYE for Infrastructure een extreem hoge detectienauwkeurigheid heeft, met een nauwkeurigheid van 99,5%. "Hoewel sommige AI-systemen afzonderlijke barsten fragmentarisch detecteren, biedt het AI-systeem van Canon een nauwkeurigheidsniveau dat dicht bij visuele controles door inspectie-ingenieurs ligt, het detecteert bijvoorbeeld opeenvolgende barsten als één barst", voegt Honda toe.

Deze nieuwe technologie vermindert niet alleen de inspectietijd en -kosten, maar Honda ziet ook enorme voordelen voor de training van ingenieurs, omdat ze door de technologie tijd overhouden en meer bezoeken op locatie kunnen uitvoeren. Dit is van groot belang bij het ontwikkelen van essentiële vaardigheden op het gebied van observatie en begrip van verschillende soorten structurele schade. "Om als ingenieur te kunnen groeien, moeten ze de locatie met hun eigen ogen zien", zegt hij. "Zelfs ondanks dat [AI] meer gemak [biedt], blijft het van cruciaal belang om de mogelijkheid te ontwikkelen om te evalueren via observaties op locatie."

Op deze manier zijn de extra 'ogen' van Canon niet alleen een belangrijk hulpmiddel om ons veilig te houden, maar ze ondersteunen ook de ontwikkeling van carrières op een uiterst gespecialiseerd gebied. Een gebied dat essentieel is voor de veiligheid van reizigers, maar ook voor de economieën die afhankelijk zijn van goed onderhouden wegen voor zowel woon-werkverkeer als goederenvervoer.

Lees meer over hoe we samenwerken met bedrijven om hun problemen op te lossen.