Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Разработка пермских ученых позволит выявлять аварийные здания с помощью нейросетей
Обслуживающие организации домов часто пренебрегают выполнением периодических осмотров и обследований для определения их технического состояния и своевременного восстановления повреждений — это дорого. При нерегулярных осмотрах сроки безопасной эксплуатации зданий снижаются. Использование беспилотников с автоматическим определением состояния стен позволяет точнее устанавливать наличие дефектов, снизить влияние субъективности экспертов, повысить производительность труда и скорость создания отчетов о состоянии домов. Ученые Пермского Политеха разрабатывают программу с искусственным интеллектом, способную выявлять аварийное состояние зданий и его причины по фотографиям трещин. Проектом уже заинтересовалось ведущее промышленное предприятие Пермского края.
Статья опубликована в журнале «Строительные конструкции, здания и сооружения». Исследование проведено в рамках реализации программы стратегического академического лидерства «Приоритет-2030».
Сегодня известны технологии автоматического определения дефектов на бетонных зданиях. Кирпичные дома отличаются от них характером трещин: они могут быть короткими и с малым раскрытием. В связи с этим может быть недостаточно разрешения изображений или видео, чтобы определить их при съемке с уровня земли. Также в России есть разработки по выявлению разрушений на кирпичных конструкциях, но они созданы на более старых нейросетях и не устанавливают причины возникновения.
Ученые Пермского Политеха создают технологию с использованием ИИ, которая позволит автоматически распознать трещины на поверхности фасадов зданий и выявить фактор их появления. Для этого эксперты написали код в программе Google Colab, в которую загрузили исходный набор данных для обучения нейросетей. Наличие посторонних предметов, условия съемки и прочее сказываются на результатах и требуют большого объема информации – т.е. серьезных временных затрат. Поэтому политехники умышленно ограничили данные до 780 обучающих и 30 тестовых изображений (640×640 пикселей). Этого достаточно для проверки эффективности.
«В основе нашей разработки – сверточные нейросети, которые помогают компьютерам видеть и понимать изображения и видео. По ходу обучения модель тренируется обнаруживать дефекты на фотографиях фасадов с трещинами и без. Она прогнозирует их расположение по «обучающим» фото, сравнивает с правильным вариантом, определяет, насколько ошиблась, и проводит корректировку. Один полный проход по всему обучающему набору данных называется эпохой. Методом подбора количества эпох от 10 до 75 мы выявили, что оптимальное число таких подходов – 50. Если значение меньше, снижается точность показателей, если больше – почти не меняется, но длительность обучения увеличивается примерно в 1,57 раза», – комментирует Сергей Крылов, аспирант кафедры «Строительные конструкции и вычислительная механика» ПНИПУ.
«Сегодня программа определяет трещины на тестовых фотографиях за время не более 20 миллисекунд, то есть не менее трех кадров в секунду. Планируется улучшить этот показатель до восьми кадров, что позволит качественно определять дефекты на видео в реальном времени с использованием беспилотных летательных аппаратов. Точность определения сейчас доходит до 60 процентов. В будущем стремимся повысить ее до 95 процентов и более, а также доработать часть, отвечающую за определение причин появления трещин», – рассказывает Галина Кашеварова, профессор кафедры «Строительные конструкции и вычислительная механика» ПНИПУ, доктор технических наук.
Созданная учеными ПНИПУ программа в дальнейшем позволит повысить точность и скорость своевременного выявления аварийных зданий и тем самым повысит их безопасность. На данном этапе разработка позволяет ускорять создание технических отчетов о состоянии домов, снижая ручной труд.
Telegram 
Дзен 
VK К любопытным выводам привели наблюдения японских ученых за пестролицыми буревестниками. Оказалось, эти птицы испражняются в основном на лету, намеренно избегая такой возможности на поверхности воды. Очевидно, предположили исследователи, это облегчает движения в воздухе взрослым особям с добычей во рту.
Люди, которые были на грани смерти, затем иногда рассказывают, как мчались навстречу необычайно яркому свету или видели всю свою жизнь, проносящуюся перед глазами. Эти переживания на первый взгляд напоминают галлюцинации под воздействием некоторых психоделиков. Но есть и существенные различия, обнаружили исследователи из Великобритании.
Биотехнологи из Ноттингемского университета (Великобритания) воспроизвели процесс естественной ферментации какао-бобов в лаборатории, чтобы проверить, можно ли улучшить вкус готового продукта «вручную». Оказалось, что правильно подобранная колония микроорганизмов может внести свои нотки и определить качество будущего шоколада.
Астрономы подсчитали, что с поверхности летящего по Солнечной системе межзвездного объекта 3I/ATLAS каждую секунду испаряется около 40 килограммов водяного льда. Такую сильную кометную активность он проявил, будучи в три с половиной раза дальше Земли от Солнца. По мнению ученых, это довольно необычно.
За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Изображение блазара PKS 1424+240, полученное с помощью радиоинтерферометра VLBA, напомнило астрономам легендарное «Око Саурона» из «Властелина колец» — джет, пронизывающий кольцеобразное магнитное поле объекта, устремлен к нашей планете, а сам блазар может оказаться одним из наиболее ярких источников нейтрино в космосе.
Прибывшая из межзвездного пространства предполагаемая комета 3I/ATLAS движется по траектории, максимально удобной для гравитационных маневров управляемого корабля, при этом возможность ее отслеживания с Земли практически минимальна. По мнению некоторых ученых, такое «поведение» объекта наводит на определенные мысли.
Примерно 12 800 лет назад в Северном полушарии началось резкое изменение климата, которое сопровождалось вымиранием мегафауны и угасанием культуры Кловис. Такое могло произойти, например, из-за прорыва пресных вод в Атлантику или мощного вулканического извержения. Несколько лет назад ученые обнаружили места на суше с повышенным содержанием элементов платиновой группы, прослоями угля, микрочастицами расплава. По их мнению, это может быть признаком пребывания Земли в потоке обломков кометы или астероида. В новой работе впервые представлены доказательства кометного события в позднем дриасе из морских осадочных толщ.
Команда исследователей из Сколтеха, МФТИ, Института искусственного интеллекта AIRI и других научных центров разработала метод, позволяющий не просто отличать тексты, написанные человеком, от сгенерированных нейросетью, но и понимать, по каким именно признакам классификатор принимает решение о том, является ли текст генерацией или нет. Анализируя внутренние состояния глубоких слоев языковой модели, ученые смогли выделить и интерпретировать численные признаки, отвечающие за стилистику, сложность и «степень уверенности» текста.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно