Digitaliserede bygningsundersøgelser til automatiseret skadesgenkendelse

På Teknologisk Institut arbejdes der på at koble droneteknologi med kunstig intelligens til automatisk at identificere skader på betonkonstruktioner ved brug af et digitalt inspektionsværktøj. Værktøjet kan identificere betonskader via en algoritme baseret på kunstig intelligens og er udviklet til at gennemgå billedmateriale fra droneoverflyvninger. Efterfølgende kan der genereres en 3D-model, hvor de identificerede betonskader automatisk er plottet ind.

Udviklingen er en del af et igangværende projekt kaldet "Digitale teknologier til bæredygtig drift og vedligeholdelse af bygninger og anlægskonstruktioner". Projektet er finansieret af Styrelsen for Videregående Uddannelser og Forskning.

Konkret case til afprøvning og udvikling af teknologien

Teknologien er afprøvet i forbindelse med en tilstandsundersøgelse af et vandtårn i beton. Her blev den indledende inspektion udført via en systematisk droneoverflyvning. Med dronen er det muligt på få minutter at flyve over en konstruktion for at analysere de konkrete forhold uden behov for reb, stillads eller kraner. Det sparer tid og øger sikkerheden, samtidig med at det giver billeder af konstruktionen fra flere vinkler, hvorved den overordnede kvalitet af datasættet øges.

Efterfølgende blev det digitale inspektionsværktøj sat til at gennemgå det omfattende billedmateriale. Størstedelen af udviklingsindsatsen er sat ind på at bruge Teknologisk Instituts ekspertviden til at træne den kunstige intelligens til at opdage betonskader. Helt konkret er der etableret fire typiske klasser, der dækker de væsentligste synlige skader, der kan opstå i betonkonstruktioner. Nemlig revner (med eller uden udfældninger), korrosion (pletkorrosion- og synlig armeringsjernskorrosion), afskalning og stenreder. Disse klassificeringer er velkendte af betoneksperter og har fælles træk, så det er muligt for en kunstig intelligens at lære at genkende dem.

Til sidst kombineres det omfattende billedmateriale fra droneoverflyvningen med de automatisk identificerede skader i en samlet 3D-model – en digital tvilling. I denne proces genereres en punktsky, hvor hvert punkt indeholder information om koordinaterne i 3D-modellen samt dronekameraets vinkel og GPS-koordinater. På den måde giver 3D-modellen eksperten mulighed for at navigere gennem konstruktionen og nemt finde hvert billede, hvilket muliggør en bedre, hurtigere og mere omfattende skadesregistrering.

Resultater fra casen

Det første proof-of-concept på vandtårnet viste, at kombinationen af droneinspektioner, 3D-modellering og det tilpassede system med kunstig intelligens, giver en pålidelig og hurtig detektion af betonskader uden den store menneskelige involvering. Når den kunstige intelligens har lært, hvordan skader opdages, kan systemet arbejde hurtigere end eksperterne. Den nuværende version af AI-modellen kan behandle 100 billeder på omkring 120 sekunder ved hjælp af en standard bærbar computer. Dog er systemet endnu ikke autonomt, da det stadig kræver overvågning af en ekspert. Men tidsbesparelserne er betydelige, da systemet kan foretage den indledende screening med at finde skader meget hurtigere end en betonekspert.

Udvidelse af det digitale inspektionsværktøj

Næste skridt i projektet er at opdatere den kunstige intelligens ved at udvide træningsdatasættet samt modellens robusthed til at opdage skader i betonen. Det digitale inspektionsværktøj skal på sigt også kunne klarlægge omfanget og årsagen til skaderne ved at kombinere ekspertviden inden for beton med dybdegående undersøgelser, som er afgørende for at klarlægge årsagen til skaderne.