Integrating Edge-AI in Structural Health Monitoring domain

要約

タイトル – 構造健全性監視領域におけるエッジAIの統合
要約 – 損傷検出などの構造健全性監視（SHM）タスクは、メンテナンスや劣化に関する意思決定にとって重要である。例えば、SHMにおけるクラック検出は、クラック進行が構造の不安定性につながるため、橋梁のメンテナンスにおいて重要である。しかし、文献中の大部分のAI / MLモデルは、リアルタイム環境での実行中に低レイテンシと遅い推論時間の問題がある。本研究は、エッジAIをSHM領域に統合して、リアルタイムの橋梁点検に役立てることを目的としている。エッジAI文献に基づいて、その能力をSHMタスクにおいてリアルタイム推論が物理現場で実行できるようにする実時間意思決定システムに有益な統合に焦点を当てる。商業用エッジAIプラットフォームであるGoogle Coral Dev BoardやKneron KL520などを使用して、エッジAIデバイスの効果を開発・分析する。これにより、本研究は、構造健全性監視領域向けのエッジAIフレームワークを提案している。エッジAI対応のディープラーニングモデルを開発して、リアルタイムのクラック分類を行うためのフレームワークを検証する。このモデルの効果を、精度、生成された混同行列、およびリアルタイム環境での推論時間に基づいて評価する。

要約(オリジナル)

Structural health monitoring (SHM) tasks like damage detection are crucial for decision-making regarding maintenance and deterioration. For example, crack detection in SHM is crucial for bridge maintenance as crack progression can lead to structural instability. However, most AI/ML models in the literature have low latency and late inference time issues while performing in real-time environments. This study aims to explore the integration of edge-AI in the SHM domain for real-time bridge inspections. Based on edge-AI literature, its capabilities will be valuable integration for a real-time decision support system in SHM tasks such that real-time inferences can be performed on physical sites. This study will utilize commercial edge-AI platforms, such as Google Coral Dev Board or Kneron KL520, to develop and analyze the effectiveness of edge-AI devices. Thus, this study proposes an edge AI framework for the structural health monitoring domain. An edge-AI-compatible deep learning model is developed to validate the framework to perform real-time crack classification. The effectiveness of this model will be evaluated based on its accuracy, the confusion matrix generated, and the inference time observed in a real-time setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI