IBM

Detectar grietas en infraestructuras como puentes, carreteras y pistas de aeropuertos no es fácil, pero es crucial para prevenir importantes problemas y mejorar las rutinas de mantenimiento. La inteligencia artificial y los drones pueden ser valiosos aliados de la ingeniería estructural. La firma IBM está trabajando con el cantón de Zúrich, la empresa de drones Pixmap y el aeródromo de Dübendorf para utilizar inteligencia artificial capaz de detectar daños en las pistas de la estación aérea. En ese contexto, han desarrollado un modelo el cual emplea fotografías de drones de alta resolución y procesamiento de imágenes asistido por computadora para analizar pequeñas grietas. A los fines de inspeccionar las pistas, un dron con cámara toma fotografías de las mismas. Un modelo de IA aplica automáticamente la llamada segmentación de instancias para identificar grietas en más de 10.000 imágenes. Se trata de un método para reconocer objetos individuales y determinar sus límites. Los expertos en ingeniería estructural conocen las zonas potencialmente dañadas y luego pueden evaluarlas in situ. Gracias a los datos precisos del GPS, los expertos pueden encontrar rápidamente los lugares en cuestión. La información sobre las longitudes y anchos de las grietas se completa y guarda automáticamente para su posterior recuperación. El aeródromo de Dübendorf no es el primer proyecto de inspección de este tipo. Desde 2019 se emplea la metodología para analizar el puente colgante más largo de Europa, el Storebælt. Se trata del tercer puente colgante más extenso del mundo, el cual conecta oriental y occidentalmente a Dinamarca. Como parte de este proyecto, la IA ha inspeccionado más de 20 pilares de su estructura y ha distinguido entre grietas, algas y óxido con un 94% de precisión. Uno de los mayores desafíos es la localización precisa de grietas de menos de un milímetro de ancho en una estructura de cientos de metros de largo. El año pasado la tecnología de inspección también se utilizó en el aeropuerto de Frankfurt. Allí se inspeccionaron las pistas para detectar anomalías e identificar objetos extraños: obstáculos en la pista como latas, botellas, basura o pequeños trozos de metal. El proyecto actual en Suiza va un paso más allá: los especialistas encargados han desarrollado una nueva clase de modelos de IA que denominan “Modelos básicos para la inspección visual”. Los mismos conforman esquemas de aprendizaje profundo previamente entrenados en un gran conjunto de datos específicos de dominio sin anotaciones y se pueden ajustar en una cantidad más pequeña de datos etiquetados con menos etiquetas específicas de tareas. Los analistas quieren demostrar que el modelo puede utilizar más de 100.000 imágenes del área para lograr mejores resultados. Este enfoque funciona mejor con menos datos anotados respecto de los enfoques estándar de aprendizaje profundo, demandantes de capacitación integral con datos de clientes. El modelo subyacente podría usarse para inspeccionar defectos en áreas grandes como túneles, superficies de carreteras o presas. Las futuras actualizaciones de la tecnología se centrarán en mejorar la velocidad general de trabajo cuando se estudian imágenes de baja calidad, ya que no siempre se pueden inspeccionar superficies en un día despejado. Los investigadores también quieren descubrir cómo pueden escalar los modelos para entregar resultados más rápidamente contando con recursos limitados. Fuente: www.research.ibm.com