Обойдёмся без водолазов

Чтобы понять, есть ли дефект у подводных частей инженерных сооружений, в настоящее время приходится привлекать к исследованиям водолазов. Их работа довольно дорогостоящая и, конечно, опасная. Политеховцы предложили заменить ныряльщиков автономными необитаемыми аппаратами (АНПА), а весь набор исследовательского подводного и надводного оборудования – интеллектуальным дефектоскопом. Обучением машины занялись специалисты кафедры «Электронные системы и информационная безопасность».

Это всё нейросети

В основе действий подводно-надводного робота лежат нейросетевые технологии. Нейросети сейчас – модная тема для обсуждения, однако в публичном пространстве она сильно упрощена. Вокруг неё сложилось множество мифов, то наделяющих нейросетевые алгоритмы едва ли не инфернальной силой, то сводящая их к прикладному продукту индустрии развлечений. Между тем это математическая модель, программный комплекс, работа которого по сбору и обработке информации чем-то напоминает работу человеческого мозга. Правда, в отличие от него искусственный интеллект никогда не устаёт и не стареет, но и назвать его абсолютно безупречным произведением науки и техники, подменяющим человеческую волю, творческую свободу, эмоциональные порывы, то есть – саму жизнь, не повернётся язык даже у самого рьяного сторонника прогресса. Математический алгоритм не отменяет сознания человека, но роботы, бесспорно, расширяют наши умственные и физические возможности.

Обучение по картинкам

Датасет – ключевое понятие в процессе нейросетевого обучения. Это обработанный и структурированный набор данных, который используется для «тренировки» нейросети. Чтобы искусственный разум хорошо «соображал», нужно проделать много предварительной работы. Богдан Бабаев, студент 4 курса института автоматики и информационных технологий Политеха, вместе с программистом Дмитрием Новичковым несколько месяцев потратили на обучение интеллектуального дефектоскопа.

– Мы сформировали датасет, состоящий из 700 изображений трёх видов дефектов: трещин, пустых швов и разрушений бетонной кладки, – рассказывает Бабаев. – Всё строилось на основе свёрточной нейронной сети, что позволило создать модели каждого дефекта и обеспечило быстродействие процесса распознавания. Чтобы понять, как это работает, можно представить себе таблицу, в которой каждому объекту соответствуют определённые признаки (явный / скрытый дефект) и конкретные характеристики (размер, положение, величина и др.). Политеховцы, «тренируя» искусственный интеллект, всё время уточняли для него критерии оценки правильности распознавания дефектов. Так, из первоначальной обучающей выборки они убрали смазанные фото и изображения незначительных повреждений. Новый датасет состоял из 635 картинок: 220 изображений с одной и более трещиной, 390 фото пустых швов и 190 иллюстраций разрушения бетонной кладки. В конце концов нейросеть научилась распознавать все виды дефектов. Точность распознавания на конкретной выборке составила 94 процента.

Что было, что будет

Ещё в 2020 году в рамках инновационного сотрудничества Политеха с Куйбышевской железной дорогой при помощи автономных необитаемых надводно-подводных аппаратов(АННПА) «Гидробот» (разработан ООО «НПФ ГИДРА») и «Глайдерон» (совместная разработка Самарского политеха и ООО «НПК «Сетецентрические платформы») были обследованы пять несущих опор железнодорожного моста через реку Сок. Тогда на борту АННПА была установлена специальная гидроакустическая аппаратура и средства фото- и видеофиксации. Роботы получили изображения опор моста для последующего изучения дефектов в «ручном» режиме.

В реке Сок илистое дно и мутная вода. В дневное время видимость у поверхности составляет не более одного метра. Для всех АННПА был заранее спланирован маршрут, они двигались, ориентируясь по GPS, с поправкой на скорость течения. Полученные ими данные позволили учёным сделать выводы о наличии дефектов на бетонной основе опор.

Теперь благодаря созданному политеховцами интеллектуальному дефектоскопу есть возможность автоматизировать процесс и вести мониторинг повреждений в режиме реального времени. Для этого нужно найти оптимальные решения по интеграции программно-аппаратного нейросетевого комплекса с автономными надводно-подводными аппаратами. Сейчас учёные заняты совершенствованием модели распознавания дефектов. Полученные под водой фото-, видеоизображения и гидроакустические снимки используются для обучения системы. Одновременно политеховцы продолжают дорабатывать существующие типы АННПА и задумываются о создании принципиально нового как по внешнему облику, так и по «начинке» робота.