L'IA aide à détecter et à surveiller les défauts d'infrastructure
Grâce aux progrès récents de l’intelligence artificielle (IA), les ingénieurs civils peuvent inspecter les infrastructures à grande échelle de manière plus efficace et plus rentable, tout en surveillant la progression de la gravité des dommages au fil du temps.
Une équipe de chercheurs de l'EPFL a démontré la faisabilité d'une méthode de détection, de croissance et de surveillance des fissures basée sur l'intelligence artificielle et va bientôt la tester sur le tronçon ferroviaire entre Zermatt et Brigue, dans le canton du Valais. L'étude est publiée dans Automatisation dans la construction.
L'IA peut contribuer à améliorer la sécurité ferroviaire en permettant l'inspection automatisée des voies, traverses, ballasts et murs de soutènement. Des chercheurs du Laboratoire de systèmes intelligents de maintenance et d'exploitation (IMOS) de l'EPFL ont développé une méthode basée sur l'IA qui améliore l'efficacité de la détection des fissures dans les structures en béton.
Leurs recherches introduisent une nouvelle méthode qui utilise l’intelligence artificielle explicable, ou une forme d’IA qui permet aux utilisateurs de comprendre la base des décisions de l’IA.
« Nous avons formé un algorithme pour différencier les images avec et sans fissures dans les murs en béton [a binary classification task] « Nous avons ensuite demandé à l'algorithme de mettre en évidence les pixels sur lesquels il s'est basé pour prendre sa décision », explique Florent Forest, scientifique au laboratoire IMOS et auteur principal de l'étude.
L’algorithme a réussi à identifier les pixels correspondant aux fissures. « Avec notre approche, les utilisateurs peuvent alimenter l’algorithme avec des images prises sur plusieurs années d’un tronçon de voie ferrée – ou de tout autre type d’infrastructure inspectée régulièrement – et lui demander de quantifier la gravité des fissures dans les murs et les traverses au fil du temps. Cela aide les opérateurs d’infrastructures à planifier plus efficacement leur maintenance », explique-t-il.
Inspections renforcées
Actuellement, les opérateurs ferroviaires inspectent régulièrement l'état des infrastructures telles que les murs de soutènement en utilisant des critères prédéfinis, où les notes sont attribuées par des inspecteurs expérimentés. Cependant, ce processus est souvent sujet à des évaluations subjectives et rend difficile le suivi des changements au fil du temps, en particulier lorsque différents inspecteurs évaluent la même section d'infrastructure à différents moments.
Grâce aux progrès de la numérisation, les opérateurs ferroviaires peuvent surveiller l’état des voies à l’aide d’un véhicule de surveillance spécialisé équipé de divers appareils de mesure et de caméras latérales et au sol pour l’inspection visuelle des rails, des traverses en béton et des murs de soutènement.
En utilisant ces systèmes basés sur l’IA pour quantifier la gravité des dommages, le processus d’inspection peut être automatisé, le rendant plus objectif, plus précis et plus facile à comparer au fil du temps.
L’équipe de recherche de l’EPFL va tester sa méthode sur des tronçons ferroviaires entre Zermatt et Brigue et entre Brigue et Disentis. Ces tronçons comportent de nombreux murs de soutènement de formes et de matériaux différents, ce qui complique considérablement la tâche de l’algorithme.
L'équipe a déjà collecté des images de drones, ainsi que celles du véhicule de surveillance, et utilisera son algorithme d'IA pour aider l'opérateur ferroviaire à surveiller son infrastructure plus fréquemment et plus systématiquement.
