HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ
Lọc theo danh mục
liên kết website
Lượt truy cập
Lượt truy cập :
25,717,547
- Công bố khoa học và công nghệ Việt Nam
50
Người máy và điều khiển tự động
BB
Phạm Trung Minh(1), Nguyễn Trọng Đức, Nguyễn Cảnh Toàn
Áp dụng UAV và trí tuệ nhân tạo trong kiểm tra cầu đường bộ
Application of UAV and artificial intelligence in bridge inspection
Tạp chí Giao thông vận tải
2024
8
149-151
2354-0818
Các cầu đường bộ trong quá trình sử dụng, việc kiểm tra chất lượng cần được tiến hành định kỳ để tối ưu hóa việc quản lý, bảo trì cũng như kịp thời tiến hành sửa chữa. Hiện nay, việc kiểm tra định kỳ chất lượng các cầu đường bộ được thực hiện bởi đội ngũ kỹ sư giàu kinh nghiệm. Cách làm này không chỉ tốn nhiều thời gian, nhân lực có tay nghề cao mà còn gây lo ngại về sự an toàn của người kiểm tra. Có thể khắc phục tình trạng này bằng cách sử dụng máy bay không người lái và trí tuệ nhân tạo, có thể thực hiện một phần nhiệm vụ. Trong bài báo này trình bày một mô hình trí tuệ nhân tạo có khả năng phát hiện các điểm hư hại bằng cách thực hiện phân tích hình ảnh thu được từ thiết bị bay không người lái khi tiến hành khảo sát, kiểm tra một cây cầu. Mô hình được huấn luyện để nhận biết các vết nứt trên cấu kiện bê tông. Kết quả cho thấy độ chính xác của việc phát hiện điểm hư hỏng trên bề mặt cầu lần lượt là 88% và 63% đối với vết nứt và bong tróc bê tông.
Road bridges, during their usage, require regular quality inspections to optimize management, maintenance and timely repairs. Currently, these periodic quality checks are carried out by an experienced team of engineers. However, this approach not only consumes significant time and skilled labor but also raises safety concerns for the inspectors. This situation can be addressed by utilizing unmanned aerial vehicles and artificial intelligence to perform part of the inspection tasks. In this article, we present an AI model capable of detecting structural damage points by analyzing images captured from UAVs during bridge surveys. The model is trained to identify cracks on concrete components. The results show that the accuracy of detecting damage on the bridge surface is 88% and 63% for cracks and concrete spalling, respectively.
TTKHCNQG, CVb 12
Xem toàn văn