Студент АлтГТУ научил нейросеть находить дефекты на дорогах

В Алтайском государственном техническом университете прошла XXIII Всероссийская научно-техническая конференция студентов, аспирантов и молодых учёных «Наука и молодёжь».

 Мероприятие объединило 12 подсекций по различным направлениям. На  одной из них первое место занял студент строительно-технологического факультета Максим Павленко.

Он предложил методику автоматического поиска дефектов дорожного полотна с помощью беспилотников и нейросетей. Проект был выполнен под руководством доцента кафедры «Автомобильный транспорт и наземные технологические системы» Сергея Павлова.

Как объясняет Максим, дрон сначала проводит аэрофотосъёмку дороги. Затем специально обученная нейросеть анализирует снимки: находит повреждённые участки, убирает шумы, измеряет длину, ширину и площадь каждого дефекта, а потом определяет — трещина это или выбоина. В финале система формирует отчёт с координатами и передаёт данные в геоинформационную систему для планирования ремонта.

Главная идея проекта заключается в том, чтобы убрать человеческий фактор из процесса обследования дорог. Специалисту не придётся часами вглядываться в снимки или выезжать на трассу — всё сделает алгоритм. Точность метода, по данным автора, достигает 92%. Этого достаточно, чтобы замечать даже самые мелкие повреждения – менее 1 сантиметра. Чем раньше удастся обнаружить трещину или выбоину, тем меньше риск аварий и медленнее разрушается покрытие. Своевременный локальный ремонт обходится дешевле, а регулярный мониторинг позволяет планировать работы и сокращать расходы в долгосрочной перспективе. Разработка Максима как раз нацелена на то, чтобы сделать такой мониторинг быстрым, точным и объективным.

Однако, основными помехами, по словам автора, остаются тени от деревьев и столбов, следы шин, масляные пятна, а также изменение освещения и влажности покрытия. Но Максим уверен, что для повышения устойчивости алгоритма достаточно будет расширить обучающую выборку снимками, сделанными в различных погодных условиях и в разное время суток. Так алгоритм станет ещё умнее.

В планах у студента — научить систему распознавать больше типов дефектов, например колею и просадки, а также добиться, чтобы дрон обрабатывал снимки мгновенно, прямо во время полёта.