Ученые создали программу, которая следит за состоянием фасадов домов
В условиях массового старения жилого фонда и острой нехватки квалифицированных кадров в строительной отрасли возникает прямая угроза безопасности миллионов людей. Многие конструкции зданий постепенно теряют прочность, а скрытые дефекты накапливаются, создавая риск внезапных обрушений. Традиционные методы оценки, такие как визуальный осмотр, требуют значительных временных и финансовых затрат, делая массовые обследования трудными в условиях кадрового дефицита и ограниченных ресурсов. Ученые Пермского Политеха разработали программу с искусственным интеллектом для автоматической оценки технического состояния наружных стен кирпичных зданий. Она с высокой точностью (84%) классифицирует степень износа, минимизируя риск пропуска аварийных ситуаций.
Глобальная проблема стареющей инфраструктуры — это то, с чем сталкивается большинство развитых стран мира. Конструкции зданий, особенно возведенные десятки лет назад, постепенно изнашиваются под воздействием времени, окружающей среды и эксплуатационных нагрузок. На начало 2024 года в России было официально признано аварийными около 70 тысяч домов, в которых проживает более миллиона человек.
Регулярный мониторинг и своевременное выявление дефектов являются залогом предотвращения катастроф. Однако систематическому и качественному обследованию мешает целый ряд проблем: высокая стоимость экспертиз, трудоемкость процессов и «человеческий фактор». В результате накапливаются скрытые дефекты, которые остаются незамеченными до тех пор, пока не достигают критической стадии, требуя уже не планового ремонта, а аварийно-восстановительных работ.
Традиционный метод оценки, при котором инженер визуально осматривает здание и на основе своего опыта выносит вердикт, считается не только медленным, но и часто субъективным. Для существующих сегодня экспертных систем и вероятностных моделей для диагностики нужна также сложная ручная настройка правил. Это часто требует участия высококвалифицированных специалистов двух профилей: опытных инженеров-строителей, которые могут формализовать свой опыт, и программистов, способных перевести эти знания в цифровые системы. Все эти условия делают проверку состояния зданий длительной и дорогостоящей.
Ученые Пермского Политеха разработали программное решение на основе искусственного интеллекта, которое может автоматизировать рутинный процесс определения технического состояния наружных стен кирпичных зданий. Статья опубликована в журнале «Вестник Дагестанского государственного технического университета».
На первом этапе они проанализировали и оцифровали опыт, накопленный в ходе натурных обследований домов. Сбор данных осуществлялся из архивов экспертных организаций, технических отчетов и собственных полевых исследований. Из этого ученые собрали обучающую выборку, описывающую фасады, каждый из которых был разбит на ключевые элементы: цоколь, основное поле стены, перемычки.
В качестве параметров использовались 18 критически важных признаков, таких как ширина трещин, величина отклонения стены от вертикали, фактическая прочность кладки и другие. Итоговым результатом анализа стало присвоение одной из четырех категорий состояния по ГОСТ: нормативное, работоспособное, ограниченно работоспособное или аварийное.
Для создания интеллектуальной системы ученые протестировали пять различных алгоритмов машинного обучения для нейронных сетей. Наиболее перспективные результаты показала библиотека AutoGluon. Она самостоятельно выполняла перебор различных алгоритмов, комбинировала лучшие подходы, адаптируясь к характеристикам конкретных данных, что позволило достичь максимальной точности без длительной ручной настройки.
— Следующим этапом стало создание структуры программы, которая будет анализировать информацию на нескольких уровнях. Сначала интеллектуальная система принимает и обрабатывает исходные данные о состоянии здания. Второй уровень программы получает результаты анализа и вычисляет сложные взаимосвязи между различными параметрами состояний стен. На этом этапе выявляются комбинированные эффекты от множества факторов. Третий формирует итоговую оценку: соответствие четырем возможным категориям технического состояния, — рассказала Галина Кашеварова, доктор технических наук, профессор кафедры «Строительные конструкции и вычислительная механика» ПНИПУ.
Такая структура программы позволяет последовательно обрабатывать информацию: от первичного анализа отдельных параметров к выявлению комплексных зависимостей до классификации здания.
— Обучение программы проходило в несколько этапов. Сначала она изучала 65% от загруженных нами данных — это была основная учебная выборка. Затем на 20% проводились промежуточные проверки, чтобы убедиться, что программа не подстраивается под конкретные примеры, а сама выявляет закономерности. Финальный этап проходил на оставшихся 35% данных, которые программа видела впервые. Для борьбы с переобучением (когда модель «запоминает» примеры, но не может выявить общие закономерности) был использован метод исключения нейронов. Такой подход значительно повысил надежность программы при работе с новыми, ранее не встречавшимися зданиями, — отметил Сергей Крылов, аспирант кафедры «Строительные конструкции и вычислительная механика» ПНИПУ.
Результаты обучения показали высокую эффективность на тренировочных данных: точность достигла 92,3%. На финальной выборке, которая не использовалась при обучении, точность составила 84,62%.
Для определения результатов ученые также провели анализ ошибок программы и выявили важную особенность. В случаях неточного определения категории она обычно выбирает смежную, но более строгую категорию. Например, если здание фактически имеет работоспособное состояние, программа может определить его как ограниченно работоспособное. Такое «занижение» категории считается приемлемым, поскольку главная задача разработки — не пропустить аварийное состояние.
Практическое применение данной программы позволит в кратчайшие сроки проводить предварительную оценку тысяч зданий, что особенно ценно для организации плановых ремонтов и оперативного реагирования после чрезвычайных ситуаций, таких как землетрясения или ураганы.
Telegram 
Дзен 
VK Качественное дошкольное образование закладывает прочный фундамент успехов на долгие годы вперёд — вплоть до выпускного класса. Двадцатилетнее исследование показало, что дети, которые в возрасте четырех лет перед поступлением в школу посещали бесплатные государственные подготовительные классы, учатся существенно лучше сверстников, посещавших обычные детские сады с упором на простой присмотр или оставшихся на домашнем воспитании.
Международная исследовательская группа с участием профессора Центра инженерных систем и наук Сколтеха Александра Корсунского впервые в мире провела прямое измерение механических напряжений в зоне контакта между алмазным индентором и сложным наноструктурированным покрытием с разрешением менее 80 нанометров. Используя синхротронную рентгеновскую нанодифракцию на синхротроне ESRF в Гренобле, ученые показали, что многослойное покрытие из керамического ZrN с прослойками аморфного сплава ZrCu на 30% эффективнее рассеивает упругую энергию по сравнению с монолитным аналогом, предотвращая распространение трещин. Результаты дают инженерам прямые количественные критерии для проектирования защитных покрытий нового поколения.
В работе летчика-испытателя возникают тысячи нештатных ситуаций. У пилота нет времени на раздумья, действовать нужно очень быстро. Со временем у пилотов появляется так называемая летная интуиция. Однако испытатель Су-57, герой России Сергей Богдан не исключил, что со временем летную интуицию сможет заменить искусственный интеллект.
Американская компания Firebird официально запустила в городе Раздан крупный центр обработки данных и фабрику искусственного интеллекта. На сегодняшний день это самый масштабный технологический хаб подобного уровня в СНГ, а после завершения всех этапов строительства он войдет в пятерку самых мощных вычислительных кластеров в мире.
Эксперимент физиков из ЦЕРН позволил рассмотреть поведение глюонов внутри атомных ядер с беспрецедентной точностью. При сверхвысоких плотностях эти элементарные частицы переставали размножаться и начинали объединяться. Это помогло найти подтверждение теории «глюонного насыщения», а не принятого «ядерного затенения» для определенного диапазона сверхвысоких энергий.
Со стороны профессия летчика-испытателя часто выглядит как череда опасных полетов, требующих бесстрашия и способности мгновенно импровизировать. В действительности ее основу составляют методика, дисциплина, технические знания и умение честно рассказать о каждой особенности машины. Его задача — не просто поднять самолет в воздух, но и понять, насколько точно он выполняет команды, предсказуемо ли ведет себя на сложных режимах и какие изменения необходимо внести в конструкцию или систему управления.
Долгое время считалось, что до прихода европейцев тропические леса Амазонии были заселены сравнительно плохо. Однако выяснилось, что плотная растительность скрывает большинство следов древних обществ. С помощью воздушного лазерного сканирования ученые обнаружили сотни неизвестных земляных сооружений и предположили, что около двух тысяч лет назад население юго-западной части Амазонии могло достигать трех миллионов человек.
Американская компания Firebird официально запустила в городе Раздан крупный центр обработки данных и фабрику искусственного интеллекта. На сегодняшний день это самый масштабный технологический хаб подобного уровня в СНГ, а после завершения всех этапов строительства он войдет в пятерку самых мощных вычислительных кластеров в мире.
Очереди на заправках стали привычным явлением в России, а на фоне информационного вакуума от властей о конкретных показателях производства бензина в июне население вынуждено ориентироваться на слухи. Все это выглядит довольно странно, но есть нюанс: скорее всего, кризис уже начинает выдыхаться. Как именно мы это выяснили?
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Что-то в вашем комментарии показалось подозрительным, поэтому перед публикацией он пройдет модерацию.
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