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.
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 На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
Биологи на примере птиц определили защитную функцию рыжего пигмента феомеланина, который ранее считали бесполезным и даже опасным из-за доказанной связи с развитием меланомы. Организм использовал его синтез для нейтрализации ядовитого избытка цистеина и выводил токсичные запасы серы в перья.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
Ученые десятилетиями ищут кости мамонтов, которые, по данным генетиков, могли дожить на материке до бронзового века. Очередная потенциальная находка с Аляски, считавшаяся остатками мамонтов, после проверки оказалась костями китов, умерших около двух тысяч лет назад.
Польша может экстрадировать на Украину российского археолога, заведующего сектором археологии Северного Причерноморья в отделе Античного мира Эрмитажа Александра Бутягина. Соответствующее ходатайство направила прокуратура в Окружной суд Варшавы.
На скалистых берегах аргентинской Патагонии разворачивается настоящая драма. Магеллановы пингвины, долгое время чувствовавшие себя в безопасности на суше в своих многотысячных колониях, столкнулись с новым и беспощадным врагом. Их извечные морские страхи — касатки и морские леопарды — теперь блекнут перед угрозой, пришедшей из глубины материка. Виновник переполоха — грациозный и мощный хищник, недавно вернувшийся на эти земли после долгого изгнания.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
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