Ученые Пермского политеха разрабатывают программу на основе искусственного интеллекта, способную выявлять аварийное состояние зданий и его причины по фотографиям трещин. Проектом уже заинтересовалось ведущее промышленное предприятие Пермского края. Подробности — в распоряжении редакции «Инк.».

Обслуживающие организации зачастую пренебрегают выполнением периодических осмотров многоквартирных домов для определения их технического состояния и своевременного устранения повреждений. Это, в первую очередь, объясняется высокой стоимостью таких обследований. Однако нерегулярные осмотры могут послужить причиной сокращения сроков безопасной эксплуатации зданий.

Использование беспилотных летательных аппаратов, которые в автоматическом режиме определяют состояние стен, позволяет с высокой точностью установить наличие дефектов, снизить влияние субъективности экспертов, повысить производительность труда и скорость создания отчетов о состоянии домов.

На сегодняшний день широко применяются технологии автоматического определения повреждений бетонных зданий. Кирпичные дома отличаются от них характером трещин: они могут быть короткими и с малым раскрытием.

В таких случаях разрешения изображений или видео может быть недостаточно, чтобы выявить такие повреждения при съемке с земли. В России существуют и разработки, позволяющие обнаружить разрушения кирпичных конструкций, но они созданы на более старых нейросетях и не устанавливают причины возникновения дефектов.

Ученые Пермского Политеха создают технологию с использованием ИИ, которая позволит автоматически распознать трещины на поверхности фасадов зданий и определить фактор их появления. Для этого эксперты написали код в программе Google Colab, в которую загрузили исходный набор данных для обучения нейросетей.

Во время обучения ИИ-модель тренируется обнаруживать дефекты на фотографиях фасадов с трещинами и без. Она прогнозирует их расположение по «обучающим» фото, сравнивает с правильным вариантом, определяет, насколько ошиблась, и проводит корректировку.

На данный момент программа определяет трещины на тестовых фотографиях за 20 миллисекунд, то есть не менее 3 кадров в секунду. Планируется улучшить этот показатель до 8 кадров, что позволит качественно определять дефекты на видео в реальном времени с использованием беспилотных летательных аппаратов.

«Точность определения сейчас доходит до 60%. В будущем стремимся повысить ее до 95% и более, а также доработать часть, отвечающую за определение причин появления трещин», — говорит профессор кафедры «Строительные конструкции и вычислительная механика» ПНИПУ, доктор технических наук Галина Кашеварова.

Ученые отмечают, что созданная ими программа в дальнейшем позволит повысить точность и скорость своевременного выявления аварийных зданий и тем самым повысит их безопасность. На текущем уровне разработка позволяет ускорять создание технических отчетов о состоянии домов, снижая ручной труд.

Ранее автоматизированная система оценки недвижимости SRG с помощью искусственного интеллекта и математических алгоритмов машинного обучения проанализировала, как менялась средняя стоимость 1 кв. м в 50 городах России с самыми крупными рынками вторичного жилья. Выяснилось, что в 48 из них рост цен составил от 0,02% до 2,06%.