Инновационная ИИ-система от МТУСИ и МАДИ: Революция в анализе состояния дорог и обнаружении дефектов

Исследователи из МТУСИ и МАДИ представили инновационное решение для выявления дефектов дорожного покрытия, основанное на сочетании искусственного интеллекта и виброакустического анализа, как сообщает издание «Известия».

Комбинация акустического анализа износа дорожного покрытия с ИИ представляет собой новое и перспективное направление, рассказала временно исполняющая обязанности заместителя декана факультета «Информационные технологии» по научной части МТУСИ Ксения Полянцева. Она отметила, что акустическую информацию можно использовать как дополнительный источник данных для нейросетевых моделей.

«Созданная модель позволит автоматически обрабатывать изображения асфальтового покрытия, получаемые с помощью дорожных сканеров, для оценки состояния дорог. Это значительно ускорит диагностику и планирование ремонтных работ. Раньше при акустическом анализе датчики в дорожной лаборатории фиксировали звуки окружающей среды и проезжающих автомобилей, а затем эксперт оценивал полученные данные. Теперь методы ИИ позволяют фильтровать шумы, выделять значимые сигналы и классифицировать дефекты», — подчеркнула она.

В настоящее время технология проходит тестирование в дорожных лабораториях обоих вузов.

«Мы уже работаем над инструментами, которые будут включать интеграцию данных из различных источников, таких как лазерные сканеры и радары, чтобы обеспечить более полное понимание состояния дорог. Также разрабатываются адаптивные модели, способные учиться на практике и адаптироваться под новые условия эксплуатации. Улучшение интерфейсов и интеграция с системами управления инфраструктурой сделают эту технологию более доступной и удобной», — добавила Ксения Полянцева.

Хотя проект имеет большой потенциал, его широкое применение ограничивается технологическими трудностями, связанными с ухудшением работы моделей компьютерного зрения при изменении условий эксплуатации, например, из-за климатических различий в разных регионах, отмечает директор Мегафакультета трансляционных информационных технологий университета ИТМО Александр Бухановский. По его мнению, это может привести к значительным расхождениям в точности обнаружения и классификации дефектов в различных экземплярах системы.

«По этой причине для дальнейшего развития таких решений необходимо внедрять элементы автоматического машинного обучения в алгоритмы, которые смогут эффективно адаптировать структуру нейросети к особенностям конкретной местности. Также следует разработать единую облачную экосистему для постоянного обучения моделей ИИ на новых данных», — добавил он.

Старший преподаватель университета «Синергия» Даниил Аржаков отметил, что остаются вопросы относительно масштабируемости: как система будет функционировать в условиях сильных помех, таких как интенсивное городское движение или неблагоприятные метеоусловия.