Entretenir les défenses avec la combinaison drone et IA
Les installations portuaires du port d’Incheon, en Corée, y compris les défenses, ont été capturées à l’aide d’un drone, puis le modèle d’IA n’a détecté que les défenses dans les images avec des scores IoU et F1 supérieurs à 88 %. Crédit : Institut coréen de génie civil et de technologie du bâtiment
Avec l’avènement de la quatrième révolution industrielle, il y a un besoin croissant dans le monde entier pour l’entretien des installations portuaires en utilisant des drones. En outre, il est devenu plus essentiel d’assurer une maintenance proactive des installations portuaires pour garantir leur sécurité et leur fonctionnalité durables, car le nombre d’installations portuaires vieillissantes en République de Corée, qui doivent dépasser 30 ans de durée de vie d’ici 2030, devrait augmenter de autour de 50%.
En particulier, il est essentiel, en termes d’opérations portuaires, d’assurer l’accostage en toute sécurité des navires à des fins de chargement et de déchargement. Les garde-boue jouent un rôle essentiel dans ces situations. Des défenses sont installées du côté mer de la superstructure du mur de quai pour éviter les dommages sur la coque et la structure du navire causés par la force de l’accostage du navire et la force de frottement. Cependant, étant donné que la plupart des défenses sont inaccessibles directement par voie terrestre, les inspecteurs doivent généralement s’approcher en utilisant des bateaux flottants et inspecter visuellement l’état des défenses. Il est très dangereux, long et difficile d’obtenir des informations détaillées sur les dommages dus aux vagues de la mer et à d’autres risques.
L’Institut coréen du génie civil et des technologies du bâtiment (KICT) a annoncé une nouvelle approche d’inspection pour détecter automatiquement les ailes incorporant un modèle d’IA et un capteur de vision sur le véhicule aérien sans pilote. Il a notamment utilisé un réseau d’apprentissage en profondeur avec le format encodeur-décodeur densément connecté. C’est l’un des réseaux largement utilisés pour la détection d’objets au niveau du pixel, inspiré par la fonction excentrique de la vision humaine.
La structure d’encodeur-décodeur réduit et augmente la taille de la carte de caractéristiques à l’aide des modules de convolution de pas et du mélange de pixels. Crédit : Institut coréen de génie civil et de technologie du bâtiment
L’algorithme d’IA, développé par le département de recherche en ingénierie structurelle du KICT, équipe de recherche dirigée par le Dr Min Jiyoung, a été nommé « pyramide de champ réceptif densément connectée (DRFP) » ou « version minuscule de DRFP (DRFPt) ». Il visait à extraire précisément et rapidement les ailes au niveau du pixel à partir de nombreuses images d’UAV.
Afin de rechercher efficacement une large zone à la fois et de réduire la complexité de calcul, la convolution standard et la convolution dilatée ont été densément connectées sous une forme pyramidale. Et un ensemble de données de défenses a été collecté à l’aide d’UAV sur diverses installations portuaires. Les performances de détection du modèle proposé ont été comparées aux autres modèles d’apprentissage en profondeur de la littérature.
Les résultats ont montré que le modèle proposé détectait de manière fiable les défenses dans des images prises sous différents angles, avec des scores IoU et F1 dépassant 88 %, malgré les changements de couleur ou de forme causés par la marée. Ici, IoU (Intersection over Union) signifie le rapport de la zone de chevauchement à la zone combinée d’estimation et de vérité terrain. Le score F1 est une mesure statistique de la précision d’un test. 100 % signifie un chevauchement et une précision parfaits.
Il existe de nombreux facteurs de risque dans tous les coins et recoins des installations portuaires qui constituent des menaces potentielles pour les inspecteurs. Par conséquent, de nombreuses autorités portuaires tentent activement d’adopter de nouvelles technologies d’inspection à distance telles que les UAV (véhicules aériens sans pilote) et les USV (véhicules de surface sans pilote), à la fois pour assurer la sécurité des inspecteurs et pour faciliter leurs inspections détaillées et quantitatives sur les éléments de structure qui sont difficiles d’accès par voie terrestre. Ces véhicules sans pilote sont généralement équipés de capteurs de vision grâce auxquels ils enregistrent en continu des séquences vidéo ou des photographies uniques tout en continuant à manœuvrer autour de la structure.
Compte tenu de l’échelle massive des structures portuaires qui s’étendent sur plusieurs kilomètres, la taille des données d’origine des enregistrements vidéo à haute résolution est généralement trop grande pour être gérée par des ordinateurs ordinaires. Par exemple, environ 4 000 photographies aériennes occupant 50 Go de stockage ont été collectées sur un tronçon de 1,25 km de béton de recouvrement et de structure de caisson principal au port d’Incheon en République de Corée, qui ont été capturées par une caméra 4k avec un chevauchement de 50 % transporté par un drone. Ainsi, pour assurer une gestion efficace des données massives de photographies aériennes dans le temps, il est important d’extraire rapidement uniquement les objets cibles nécessitant une maintenance des photos ou vidéos et de stocker et gérer les informations quantitatives nécessaires sur l’état des objets cibles.
Le chercheur principal, le Dr Min Jiyoung, a déclaré : « Nous prévoyons de mettre à niveau ce modèle vers le système d’inspection de la santé des ailes. Cela nous permettra de détecter quantitativement les dommages tels que les sections manquantes ou les fissures à partir des seules images UAV. évaluera automatiquement l’état de fonctionnement des défenses à l’avenir, garantissant la sécurité des inspecteurs et réduisant le temps passé sur le terrain. »
Fourni par le Conseil national de recherches sur la science et la technologie
