L’IA améliore la détection de la corrosion pour les infrastructures plus sûres
La corrosion est naturelle et c’est partout. Alors que de nombreuses techniques peuvent être appliquées pour éviter la corrosion, rien ne dure éternellement lorsqu’il est exposé aux éléments de la nature, une évaluation cohérente et planifiée est essentielle pour garder les choses que nous construisons en travail et en sécurité.
Une équipe de recherche à l’Université de l’Illinois (U. of I.) dirigée par Shengyi Wang, un doctorat. Le candidat du Département de génie civil et environnemental utilise les ressources de la NCSA pour aider à rationaliser le processus d’évaluation des infrastructures de corrosion.
L’œuvre est publiée dans la revue Surveillance de la santé structurelle.
« La corrosion pose des défis importants à divers actifs d’infrastructure », a déclaré Wang, « y compris les ponts, les pipelines, les équipements militaires et les systèmes d’eau. Il peut entraîner des risques de sécurité, des pertes économiques substantielles et des risques environnementaux. Notamment, les États-Unis attribuent 40% de son budget de maintien national aux réparations liées à la corrosion. »
L’évaluation de ces différentes infrastructures prend beaucoup de temps et d’expertise. « La corrosion est un problème majeur affectant la durabilité et la sécurité des infrastructures critiques, entraînant des coûts d’entretien et des risques de sécurité importants », a déclaré Wang.
« Les méthodes traditionnelles d’évaluation de la corrosion sont manuelles, subjectives et longues, obligeant les inspecteurs humains à mesurer les zones de corrosion. »
Il faut un expert pour trouver la corrosion, en particulier dans ses premiers stades. Quelque chose de critique et de subtil pourrait se produire dans les supports d’un pont, par exemple, que seul un spécialiste formé pourrait trouver. Avec autant d’infrastructures aux États-Unis que les gens utilisent tous les jours, il est difficile de répondre à la demande. Les recherches de Wang sont une étape essentielle pour atténuer certains de ces problèmes.
« Mes recherches visent à automatiser et à améliorer la détection, la segmentation et la mesure de la corrosion à l’aide d’un modèle de segmentation d’image basé sur l’apprentissage en profondeur, ce qui peut améliorer la précision, l’efficacité et la cohérence de l’analyse de la corrosion », a déclaré Wang.
Les recherches de Wang consistent à former une IA en utilisant des images avec et sans étiquettes. L’idée est que vous donnez quelques conseils à l’IA, dans ce cas, des images de corrosion que les experts humains étiquettent, puis permettent à l’IA d’apprendre par l’exemple comment détecter la corrosion dans des images non marquées. Cette méthode est appelée apprentissage semi-supervisé basé sur CNN (SSL). Wang explique en outre comment il utilise cette méthode dans ses recherches.
« La méthodologie consiste à collecter des images de microscopie numérique à haute résolution de panneaux en acier corrodés, qui ont été soumis à une altération accélérée par ASTM D1654 et ISO 12944. Ces images sont ensuite annotées, traitées, segmentées et augmentées pour la formation.
« Une méthode SSL basée sur l’enseignant utilisant DeepLabv3 + avec une colonne vertébrale RESNET-34 est utilisée, permettant au modèle d’apprendre à la fois des données étiquetées et non marquées.
« Le modèle est testé en utilisant plusieurs mesures de performances, y compris la précision, le rappel, le score F1 et l’IOU, et par rapport aux modèles de pointe. »
Bien que le modèle d’apprentissage semble techniquement complexe, son impact est facile à comprendre. Le faciliter l’inspection des ponts pourrait aider à détecter la corrosion dans ses premiers stades. Au fur et à mesure que la corrosion progresse, les réparations deviennent beaucoup plus coûteuses et plus complexes.
« Mes recherches visent à résoudre ce problème en automatisant l’évaluation de la corrosion », a déclaré Wang. « Cette automatisation permet une détection précoce, réduisant ainsi les coûts de maintenance. Il améliore également l’efficacité en remplaçant les inspections manuelles longues avec une approche axée sur l’IA.
« Par conséquent, cette approche soutient la durabilité en prolongeant la durée de vie des infrastructures critiques grâce à une prise de décision de maintenance optimisée. Cela a des implications directes pour des industries telles que le transport, la construction et la défense. »
Les recherches de Wang ont non seulement le potentiel de soulager certaines des douleurs du maintien des infrastructures, mais ses méthodes pourraient également être adaptées à d’autres utilisations de recherche.
« Mes recherches fournissent un cadre évolutif et adaptable pour la détection de corrosion qui peut être étendu à d’autres applications de détection de défaut dans l’infrastructure civile, telles que la fissure et la segmentation et l’analyse de l’écaillage », a-t-il déclaré.
« L’approche d’apprentissage semi-supervisée réduit la dépendance à des ensembles de données étiquetés étiquetés, ce qui facilite l’application à d’autres conditions environnementales. Les recherches futures pourraient s’appuyer sur ce travail en intégrant des inspections basées sur des drones en temps réel ou des modèles basés sur des transformateurs pour une détection de défauts multi-classes encore plus robuste. »
L’équipe de Wang continue d’affiner son travail. Ils incorporeront plus d’images de corrosion du monde réel pour améliorer la généralisation du modèle à mesure qu’ils avancent. Wang a également l’intention de rendre l’IA plus adaptable à différents scénarios.
« Je vais également mettre en œuvre des techniques d’adaptation de domaine pour améliorer la capacité du modèle à bien fonctionner dans différents environnements et types de corrosion », a-t-il déclaré. « De plus, je vais explorer des modèles basés sur les transformateurs pour une meilleure extraction des fonctionnalités et une précision de segmentation. »
Les plans futurs comprennent le travail avec les partenaires de l’industrie pour tester le modèle dans le domaine. « Je vais collaborer avec des partenaires de l’industrie tels que les équipes de maintenance de l’USACE et de l’infrastructure pour déployer et tester le système d’IA dans les applications de surveillance de la corrosion du monde réel. »
Le travail de Wang n’a pas pu être achevé en si peu de temps sans les ressources de la NCSA. L’informatique haute performance aide les équipes de recherche comme Wang’s à obtenir leurs résultats rapidement, accélérant l’innovation dans tous les domaines qui utilisent l’informatique de recherche.
« Le système GPU de Delta NCSA a beaucoup aidé à accélérer mes recherches. La formation de modèles d’apprentissage en profondeur sur les images haute résolution est coûteuse en calcul, et l’utilisation de ressources informatiques de haut niveau (HPC) a considérablement réduit le temps de formation de plusieurs jours à moins de 20 heures par expérience, U.
« La mémoire à grande échelle et les GPU puissants m’ont permis de traiter efficacement les ensembles de données d’images sans considérer trop les limitations matérielles et m’ont permis de me concentrer sur le développement de la nouvelle méthode pour résoudre le problème. »
Fourni par le National Center for Supercomputing Applications
