Maschinelles Lernen: Roboter erkennt Risse in Gebäudestrukturen autonom
Das frühzeitige Erkennen von Gebäudeschäden kann viel Geld sparen. Robotersysteme können bei Inspektionsarbeiten helfen.
(Bild: Drexel University)
Ein Forschungsteam des College of Engineering der Drexel University hat einen autonomen Roboterassistenten für Gebäudeinspektoren entwickelt, der autonom in Problembereichen Risse und andere Schäden identifizieren kann. Das System kombiniert Computer-Vision mit Methoden des Maschinellen Lernens, um so den Zustand der Bausubstanz schneller und genauer einschätzen zu können.
Gebäude, Brücken, Tunnel und Staudämme weisen schnell mal Mikroschäden auf, die sich unbeachtet zu größeren, teuren Schäden ausweiten können. "Folglich ist eine frühzeitige und genaue Erkennung und Messung von Rissen für eine rechtzeitige Diagnose, Wartung und Reparatur unerlässlich, um eine weitere Verschlechterung zu verhindern und potenzielle Gefahren zu mindern", schreiben Arvin Ebrahimkhanlou und Ali Ghadimzadeh Alamdari in ihrer Studie "A multi-scale robotic approach for precise crack measurement in concrete structures", die in Automation in Construction veröffentlicht ist.
Das Robotersystem verzichtet auf physische Messungen. Stattdessen kommt eine hochauflösende Stereo-Tiefenkamera zum Einsatz. Die damit aufgezeichneten Daten durchlaufen ein Convolutional Neural Network. Solche neuronalen Netze werden etwa bei der Gesichtserkennung, Medikamentenentwicklung und zur Erkennung von Fälschungen eingesetzt. Mit ihnen können in großen Datenhaufen feine Muster und Abweichungen erkannt werden.
Trainiert haben die Forscher das System mit Bildern von Musterrissen. Der Roboter kann so rissähnliche Muster auf Oberflächen von Betonstrukturen erkennen. Diese sogenannten "Regionen von Interesse" werden nach der Identifizierung der Schäden genauer untersucht. Dabei kommt ein Roboterarm mit einem Laserlinienscanner zum Einsatz, der ein dreidimensionales Bild des schadhaften Bereiches erstellt. Unterstützt wird der Laserscanner von einer Lidar-Kamera, die die Struktur um den Riss herum abbildet. Aus der Kombination der Daten entsteht ein digitales Modell des Bereiches. Dieses kann dazu herangezogen werden, die Breite und Abmessungen des Risses zu bestimmen und Veränderungen bei weiteren Inspektionen zu verfolgen.
"Die Verfolgung des Risswachstums ist einer der Vorteile der Erstellung eines digitalen Zwillingsmodells", sagt Alamdari. Damit können etwa Besitzer von Gebäuden den Zustand besser einschätzen und entsprechend Wartungs- und Reparaturarbeiten planen und durchführen.
Praktische Tests
Getestet haben die Forscher das Robotersystem an einer Betonplatte mit unterschiedlichen Rissen und anderen Beschädigungen. Das System erwies sich dabei empfindlich genug, um auch kleinste Risse mit weniger als einem Hundertstel Millimeter Breite aufzuspüren und genau zu bestimmen. Die Wissenschaftler geben an, dass ihr Robotersystem genauer arbeite als Systeme mit den besten Kameras, Scannern und faseroptischen Sensoren.
Eine endgültige Bewertung der Schäden müssen jedoch menschliche Inspektoren vornehmen, das Robotersystem helfe jedoch dabei, deren Arbeitsbelastung zu reduzieren. Zudem würden automatisierte Inspektionen subjektive Beurteilungsfehler, etwa durch überlastete Prüfer, minimieren.
"Dieser Ansatz reduziert die unnötige Datenerfassung in Bereichen, die sich in einem guten baulichen Zustand befinden, und liefert gleichzeitig umfassende und zuverlässige Daten, die für die Zustandsbewertung erforderlich sind", schreiben die Forscher weiter.
Die Wissenschaftler arbeiten nun daran, ihr System in ein autonomes Bodenfahrzeug zu integrieren. Das soll dann Schäden automatisch erkennen, analysieren und überwachen können. Dies soll dann im Verbund mit Drohnen erfolgen. Die Forscher wollen bei der Weiterentwicklung des Systems eng mit der Industrie und Aufsichtsbehörden zusammenarbeiten, um es auch in die praktische Anwendung zu bringen.
(olb)