Команда СКФУ активно развивает инновационные технологии в области анализа трещин. В этом году они наращивают проекты, ориентированные на цифровые технологии и создание новых материалов и приборов. Разработки ведутся под руководством опытных наставников и требуют интеграции знаний из различных областей науки, включая искусственный интеллект. В университете создана экосистема инженерного образования в таких направлениях, как наноматериалы, микроэлектроника, биотехнологии и строительство, отметила и.о. ректора СКФУ профессор Татьяна Шебзухова.
На базе Научно-исследовательской лаборатории «Центр испытаний материалов, изделий и конструкций» проводятся комплексные исследования различных материалов, их характеристик и профессиональные обследования зданий. Именно здесь родилась идея расширения возможностей лаборатории для строительной отрасли.
На текущем этапе проекта осуществляется отбор и тестирование архитектур с использованием методов глубокого обучения и компьютерного зрения. Приоритет отдается сегментационным моделям, которые способны выделять трещины на изображениях строительных конструкций. Окончательная архитектура будет определена в процессе итерационного дообучения на специально собранном датасете в ходе пилотных обследований, сообщил руководитель проекта.
Система работает так: оператор загружает в программу изображения различных трещин, и нейросеть обучается распознавать и описывать их параметры, а также выявлять причины появления. В будущем планируется расширить функционал модуля до анализа видеоматериалов.
Система разработана с возможностью дообучения на новых данных. При появлении изображений новых типов трещин, характерных для определенных материалов или конструкций, они могут быть размечены и использованы для дообучения модели без полного переобучения. Обновление базы данных повышает точность системы и расширяет её область применения, сообщают авторы разработки.
На текущем этапе специалисты создают бинарную карту трещин, позволяющую измерять их длину, направление и плотность. О точности распознавания пока говорить рано, так как проект находится в стадии разработки. Тем не менее, целевой показатель точности (IoU) должен составлять не менее 85%. Окончательный процент допустимой ошибки будет определён после проведения пилотных испытаний.
Проект активно развивается: в настоящее время происходит валидация гипотезы и создание технического прототипа. Рыночные перспективы стартапа привлекают внимание потенциальных клиентов, поскольку на данный момент аналогичных программных решений нет ни в России, ни за рубежом.
Внедрение продукта будет реализовано в три последовательных этапа. На первом этапе планируется провести презентацию рабочего прототипа для организаций, занимающихся техническим обследованием объектов. После этого состоятся пилотные внедрения системы в реальных условиях эксплуатации. Завершит процесс коммерческая реализация проекта, которая будет включать различные модели монетизации, такие как подписочные сервисы для различных категорий пользователей, комплексные услуги сопровождения и лицензионные программы. Каждый из этапов будет тщательно подготовлен для успешного перехода к следующему.
Согласно предварительным оценкам разработчиков, проект может достичь полной окупаемости в течение 18-36 месяцев при условии привлечения заказчиков. Однако эти данные являются предварительными.
Команда Дмитрия Воробьева ставит перед собой амбициозные цели: в дальнейшем планируется обучать систему для работы с различными типами конструкций, что возможно благодаря её архитектуре. «В будущем возможна адаптация под обследование мостов, промышленных сооружений и инженерной инфраструктуры — при наличии достаточного объёма данных и экспертной поддержки», — отмечает разработчик.
Создаваемая система обещает стать незаменимым инструментом для специалистов в области строительной диагностики, открывая новые возможности для обеспечения безопасности зданий и сооружений.
Изображения сгенерированы с использованием нейросети Qwen
