Droner vinder indpas i byggeriet – også til bygningseftersyn

Lige nu arbejder specialister og eksperter på at gøre bygningseftersyn digitalt og intelligent. Som det er i dag, er det muligt at anvende droner til overflyvning af bygninger og på den måde se, om der er skader på f.eks. et tag. Men ved at koble kunstig intelligens, AI, med droneteknologien, ser vi ind i en helt ny måde at udføre bygningseftersyn på.

 

- Med AI kan vi lære computeren at ”tænke” ved at træne den med et datasæt og på den måde lære den at genkende bygningsskader. Lige nu er AI-systemerne dog ikke helt uafhængige, da de mangler den menneskelige abstraktionsevne, men de fungerer til simple opgaver, hvor de kan identificere skader og dermed understøtte vores arbejde og hjælpe os med at spare tid. Der sker dog rigtig meget inden for det her felt lige nu, så det er kun et spørgsmål om kort tid, før udviklingen af AI er endnu længere, siger betonekspert og projektleder, Ricardo Antônio Barbosa.

 

Stadig brug for eksperterne

Teknologisk Instituts eksperter udvikler et digitalt inspektionsværktøj, der integrerer annoteringer af betonskader, som er genereret fra en AI-algoritme. Annoteringerne eksporteres til en 3D-model, som er genereret ud fra drone billeder af betonkonstruktioner. Udviklingen er en del af et igangværende projekt kaldet "Digitale teknologier til bæredygtig drift og vedligeholdelse af bygninger og anlægskonstruktioner", som er finansieret af Styrelsen for Videregående Uddannelser og Forskning.

 

Teknologien har eksperterne testet af på et vandtårn i beton, hvor de første skridt har været at bruge en drone til at udføre inspektioner af betonkonstruktionen. Formålet er, på sigt, at kunne både opdage og analysere bygningsskader, herunder vurdere årsagen til skaderne, hurtigere og bedre end det sker i dag – men det er ikke bare noget man ”lige gør”.

 

- Med dronen er det muligt at flyve over en bestemt konstruktion for at analysere de konkrete forhold på få minutter og uden behov for reb eller kraner. Det sparer tid og øger sikkerheden, samtidig med, at det giver billeder af konstruktionen fra flere vinkler. Dette øger den overordnede kvalitet af det datasæt, der er indsamlet i en enkelt inspektionsopgave, forklarer Ricardo Antônio Barbosa og fortsætter.

 

- Når alle billederne er samlet, er den næste udfordring at lokalisere eksisterende skader. Selvom billederne er af høj kvalitet, kræver det, at en ekspert ser gennem hundredvis af billeder og det tager altså lang tid, fordi eksperten skal gennemgå mange billeder og anføre skaderne, siger Ricardo Antônio Barbosa.

 

Den menneskelige flaskehals

På dette stadie blev eksperten en flaskehals, der langt hen ad vejen fjernede fordelene ved at bruge en drone-baseret inspektion og derfor blev AI-modellen bragt i spil.

- Størstedelen af ​​vores udviklingsindsats er sat ind på at bruge den ekspertviden vores betonspecialister har, til at træne en AI-model til at opdage betonskader. Helt konkret har vi etableret fire typiske klasser, der dækker de væsentligste synlige skader, der kan opstå i betonkonstruktioner. Nemlig revner (med eller uden udfældninger), korrosion (pletkorrosion og synlig armeringsjernskorrosion), afskalning og stenreder. Disse klassificeringer er velkendte af betoneksperter og har fælles træk, så det er muligt for et AI-system at "se" på billeder af synlig armeringsjernskorrosion fra forskellige konstruktioner og identificere fælles karakteristika, forklarer Ricardo Antônio Barbosa.

 

Når først AI-modellen har lært, hvordan man opdager en skade, kan systemet arbejde hurtigere end eksperterne. Den nuværende version af AI-modellen kan behandle 100 billeder på omkring 120 sekunder ved hjælp af en standard bærbar computer. Selvom det kan lyde imponerende, så er teknologien endnu ikke helt selvkørende.

 

- På nuværende tidspunkt er vores AI-inspektionsværktøj ikke helt autonomt, da det stadig kræver overvågning af en ekspert. Men tidsbesparelserne er betydelige, da systemet kan finde skader meget hurtigt. Vores indsats er nu at validere annoteringerne og sikre, at kritiske synlige skader bliver opdaget og så arbejder vi med at skabe en digital tvilling, da det uden denne, kan være svært rent faktisk at gå ud og finde selve skaden på bygningen igen, forklarer Ignasi Ventura, som arbejder med teknologiudvikling på Teknologisk Institut.

 

 

Nødvendig digital tvilling

Og netop den digitale tvilling er den sidste – og vigtige - del af processen og består af et sæt overlappende billeder af den undersøgte konstruktion, hvor man genererer en punktsky, der repræsenterer konstruktionen i 3D.

 

- Vi fandt hurtigt ud af, at den digitale tvilling er nødvendig for at vende tilbage til bygningen og rent faktisk udbedre og undersøge årsagen til eventuelle skader. Hvert punkt i punktskyen indeholder information om koordinaterne i 3D-modellen samt dronekameraets vinkel og GPS-koordinater, da billederne blev taget. På den måde giver den digitale tvilling eksperten mulighed for at navigere gennem konstruktionen og nemt finde hvert billede, hvilket muliggør en bedre, hurtigere og mere omfattende skadesregistrering. Da vi fik bundet ”enderne” sammen så billeder, den tilsvarende skadesannotation og punktskyen blev linket, blev alle detektioner udført af AI-systemet sat ind i 3D-modellen og så kunne vi generere en rapport med et detaljeret overblik over de konstaterede skader, så bygningsejer kan genfinde dem på selve bygningen og få dem undersøgt eller udbedret, slutter Ricardo Antônio Barbosa.

 

Eksperternes konklusion er, at kombinationen af ​​droneinspektioner, 3D-modellering med digital tvilling og det tilpassede AI-system, giver en pålidelig og hurtig detektion af betonskader uden den store menneskelige involvering.

 

Det første proof of concept er allerede blevet vist i casestudiet med vandtårnet og på Teknologisk Institut fortsætter arbejdet i udviklingsprojektet, med at opdatere AI-systemet ved at udvide træningsdatasættet samt modellens robusthed til at opdage skader i betonen. Selvom Teknologisk Instituts arbejde lige nu koncentrer sig om betonskader, så arbejder eksperterne på, at teknologien også anvendes til andre materialetyper. Det digitale inspektionsværktøj skal f. eks. på sigt også kunne klarlægge omfanget og årsagen til skaderne ved at kombinere ekspertviden inden for beton med dybdegående undersøgelser, som er afgørende for at klarlægge årsagen til skaderne.