Arriva dalla Drexel University la rete neurale addestrata a riconoscere crepe e fessurazioni invisibili ad occhio umano, trasformando il modello fisico in un “gemello digitale” indispensabile a prevenire il crollo di edifici e infrastrutture
Le sperimentazioni sviluppate dal team di hanno permesso di individuare crede di dimensioni inferiori ad un centesimo di millimetro
(Rinnovabili.it) – Il nostro ambiente costruito sta invecchiando. Case, ponti, strade ogni giorno che passa aumentano sempre più le possibilità che questi siano colpiti da cedimenti strutturali o fessurazioni pericolose per l’incolumità di coloro che vivono questi luoghi. Ma come prevenire il crollo degli edifici o il collasso delle infrastrutture se cresce quotidianamente il numero degli elementi costruttivi che avrebbero bisogno di una diagnosi? La soluzione potrebbe ancora una volta arrivare da un uso sapiente dell’Intelligenza Artificiale e della robotica.
Addestrare un assistente robotico a riconoscere i problemi
Partendo da questo grande interrogativo, i ricercatori del College of Engineering della Drexel University stanno cercando di fornire ad un assistente robotico le informazioni necessarie per poter supportare gli ispettori umani nel monitoraggio finalizzato a prevenire il crollo di edifici e infrastrutture. Il nuovo ingrediente aggiunto dal team si serve dell’apprendimento automatico per identificare e ispezionare le aree problematiche in un tempo significativamente ridotto rispetto a quanto potrebbe fare un ispettore umano. I risultati della loro ricerca sono pubblicati sulla rivista Automation in Costruction.
Il sistema multiscala della Drexel University, combina la visione artificiale con un algoritmo di apprendimento profondo per individuare le aree problematiche di fessurazione. Successivamente sono effettuate delle rilevazioni laser delle regioni interessata, generando un “gemello digitale” di quanto scansionato. In questo modo sarà possibile individuare e valutare i danni più o meno gravi che potrebbero interessare il sistema.
Aumentare la velocità di ispezione per prevenire il crollo di edifici e ponti
“Le crepe possono essere considerate come sintomi medici di un paziente che dovrebbero essere esaminati nelle fasi iniziali“, hanno scritto gli autori, Arvin Ebrahimkhanlou, PhD, assistente professore, e Ali Ghadimzadeh Alamdari, assistente ricercatore, entrambi al Drexel’s College of Engineering. “Di conseguenza, il rilevamento e la misurazione tempestivi e accurati delle crepe sono essenziali per diagnosi, manutenzione e interventi di riparazione tempestivi, prevenendo ulteriore deterioramento e mitigando potenziali rischi”
Il problema però è che il numero di strutture che andrebbero esaminate aumenta quotidianamente, trasformando la prevenzione in una sorta di “emergenza sanitaria” delle strutture in edilizie, ma per la quale sono sempre meno i lavoratori specializzati capaci di affrontarla.
“Le infrastrutture civili includono strutture e ponti su larga scala, ma i loro difetti sono spesso di piccola scala”, ha affermato Ebrahimkhanlou. “Riteniamo che l’adozione di un approccio robotico multiscala consentirà un efficiente pre-screening delle aree problematiche tramite la visione artificiale e una precisa scansione robotica dei difetti utilizzando scansioni non distruttive basate sul laser”.
Come funziona il sistema
Al posto di una misurazione fisica interpretata “soggettivamente dall’occhio umano”, il sistema utilizza una telecamera ad alta risoluzione con profondità stereoscopica della struttura, connesso ad un programma di apprendimento profondo chiamato “Rete neurale”. Nonostante la spiegazione scientifica possa apparire complessa, abbiamo a che fare questo tipo di programmi quotidianamente: si tratta di sistemi impiegati per il riconoscimento facciale, per il rilevamento di deepfake o per lo sviluppo di farmaci, sistemi capaci di individuare le anomalie più sottili e le discrepanze analizzando enormi volumi di dati. Una volta “addestrato” l’algoritmo dell’IA a riconoscere i set di dati, questo sarà in grado di identificare crepe o fessurazioni, per prevenire il crollo degli edifici.
“La rete neurale è addestrata su un set di dati di crepe campione ed è in grado di identificare modelli simili a crepe nelle immagini che il sistema robotico raccoglie dalla superficie di una struttura di cemento”, spiega Ebrahimkhanlou.
Individuata la regione interessata dalla fessurazione, il sistema vi dirige il braccio robotico per scansionarla creando un’immagine 3D dell’area danneggiata. Allo stesso tempo, una telecamera LiDAR (Light Detection and Ranging) scansiona la struttura circostante la fessura. Unendo entrambi i grafici si crea un modello digitale dell’area che mostra la larghezza e le dimensioni della fessura e consente di monitorare i cambiamenti tra le ispezioni nel tempo.
“Tracciare la crescita delle crepe è uno dei vantaggi della produzione di un modello di gemello digitale”, ha affermato Alamdari. In questo modo si ha una migliore comprensione delle condizioni e si potrà organizzare al meglio la manutenzione e la riparazione.
Le sperimentazioni sviluppate dal team di ricercatori hanno permesso di individuare crede di dimensioni inferiori ad un centesimo di millimetro, superando in termini di prestazione fotocamere, scanner e dispositivi di alta qualità. sensori in fibra ottica con un margine rispettabile. E’ bene ribadire che, la decisione finale sull’intervento, la avrà sempre l’ispettore umano, ma che sarà decisamente facilitato dal lavoro della macchina.
