IBM ontwikkelt AI-model om scheurtjes op te sporen in drone-opnames van landingsbanen

De onderzoekstak van IBM is erin geslaagd om een AI-model te ontwikkelen dat kleine scheurtjes kan ontdekken in met drones gemaakte hoge resolutie-afbeeldingen van start- en landingsbanen. De methode wordt momenteel in samenwerking met Pixmap en Dubendorf Air Base in Zwitserland getest. De uitdaging is om afwijkingen ter grootte van nog geen millimeter te lokaliseren in asfaltstroken van honderden meters lang.

Scheurtjes lokaliseren

Het is geen eenvoudige taak om kleine scheurtjes te vinden in bouwwerken en infrastructuur zoals bruggen, wegen en start- en landingsbanen. Maar het is cruciaal om dergelijke kleine afwijkingen in een vroegtijdig stadium op te sporen om zodoende grotere problemen in de toekomst te voorkomen en onderhoudswerkzaamheden zo efficiënt mogelijk uit te voeren.

Om die reden werkt IBM Research samen met drone-operator Pixmap en Dubendorf Air Base aan een methode om scheurtjes automatisch te lokaliseren aan de hand van een AI-model. Als input worden honderden hoge-resolutie afbeeldingen gebruikt, gemaakt met drones. Tijdens de looptijd van het project wordt de effectiviteit van verschillende AI-modellen getoetst. De uitdaging zit hem er volgens IBM vooral in om afwijkingen kleiner dan een millimeter te identificeren en lokaliseren.

Mapping en AI-analyse

Iedere inspectie begint met een mappingvlucht, uitgevoerd door een DJI M300 met Zenmuse P1 camera. Het AI-model van IBM past na afloop van de missie automatisch zogenaamde instantiesegmentatie toe – een manier om afzonderlijke objectinstanties te detecteren en hun grenzen te vinden – om scheuren in meer dan 10.000 afbeeldingen te identificeren. Deze worden daarna door een civieltechnische expert onderzocht.

Met behulp van door de door IBM ontwikkelde GPS- en image stitching-technologie is het vervolgens mogelijk om representaties van de landingsbaan te maken die mensen helpen snel de locatie van de defecten in het veld te vinden en te beschrijven. Informatie over scheurlengtes en -breedtes wordt automatisch ingevuld en opgeslagen, zodat deze later kan worden opgezocht.

Eerdere inspectieprojecten

De techniek is eerder ingezet bij andere inspectieprojecten. Zo ging in 2019 een samenwerking met Sund en Baelt (S&B) van start omtrent de inspectie van Europa’s langste hangbrug, de Storebælt. Deze brug verbindt de oostelijke en westelijke delen van Denemarken. Als onderdeel van dat project heeft de AI van IBM meer dan 20 pijlers van de brug geïnspecteerd, waarbij met een nauwkeurigheid van 94% onderscheid werd gemaakt tussen scheuren, afgebladderde verf, algen en roest.

Vorig jaar werd de inspectietechnologie getest op de luchthaven van Frankfort. Toen werd onderzocht of het mogelijk was om vreemde voorwerpen te identificeren, zoals blikjes, flessen, afval of kleine stukjes metaal. Het team ontwikkelde daarvoor software voor visualisatie en het samenvoegen van afbeeldingen, wat later van pas kwam bij het ontwikkelen van de backend-technologie die nu in Dubendorf gebruikt wordt.

Toepassingen en toekomstige ontwikkelingen

Volgens IBM kan het ontwikkelde model uiteindelijk worden gebruikt om afwijkingen op allerlei grote oppervlakken, zoals tunnels, wegen of dammen, te identificeren. Toekomstige updates van de technologie zullen gericht zijn op het verbeteren van de algehele verwerkingssnelheid bij afbeeldingen van slechte kwaliteit, verkregen op dagen met weinig zon bijvoorbeeld.