要約
この論文では、米国のインフラ老朽化の問題に対する革新的な解決策を紹介します。米国では、施設の大部分が劣悪な状態にあり、130,000 以上の鋼橋が耐用年数を超えています。
老朽化した鉄骨構造物は腐食や隠れた欠陥に直面しており、重大な安全上のリスクにさらされています。
検出されなかった欠陥に起因するシルバーブリッジの崩壊は、微妙な欠陥や隠れた欠陥を見逃すことが多い手動検査方法の限界を浮き彫りにしています。
検査技術の向上のニーズに応え、この取り組みでは AI を活用した磁気検査ロボットを導入しました。
磁気ホイールを備えたこのロボットは、垂直方向の傾斜や内側の隅などの困難な領域を含む複雑な強磁性表面に付着して移動するため、徹底した大規模な検査が可能になります。
鋼表面の欠陥についてトレーニングされた深層学習モデルである MobileNetV2 を利用することで、このシステムは 6 種類の欠陥にわたって 85% の精度率を達成しました。
この AI を活用した検査プロセスにより、精度と信頼性が向上し、欠陥検出と効率において従来の方法を上回ります。
この調査結果は、ロボット モビリティと AI ベースの画像分析を組み合わせることで、インフラストラクチャ検査に対するスケーラブルで自動化されたアプローチを提供し、人的労力を削減しながら、検出精度と重要資産の安全性を向上できることを示唆しています。
要約(オリジナル)
This paper presents an innovative solution to the issue of infrastructure deterioration in the U.S., where a significant portion of facilities are in poor condition, and over 130,000 steel bridges have exceeded their lifespan. Aging steel structures face corrosion and hidden defects, posing major safety risks. The Silver Bridge collapse, resulting from an undetected flaw, highlights the limitations of manual inspection methods, which often miss subtle or concealed defects. Addressing the need for improved inspection technology, this work introduces an AI-powered magnetic inspection robot. Equipped with magnetic wheels, the robot adheres to and navigates complex ferromagnetic surfaces, including challenging areas like vertical inclines and internal corners, enabling thorough, large-scale inspections. Utilizing MobileNetV2, a deep learning model trained on steel surface defects, the system achieved an 85% precision rate across six defect types. This AI-driven inspection process enhances accuracy and reliability, outperforming traditional methods in defect detection and efficiency. The findings suggest that combining robotic mobility with AI-based image analysis offers a scalable, automated approach to infrastructure inspection, reducing human labor while improving detection precision and the safety of critical assets.
arxiv情報
著者 | Angelina Tseng,Sean Kalaycioglu |
発行日 | 2024-11-04 22:27:25+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google