Algorithms for automatic visual detection of selected defects

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47718684%3A_____%2F25%3A10002950" target="_blank" >RIV/47718684:_____/25:10002950 - isvavai.cz</a>

Result on the web

<a href="https://online.obd.cz/id_publ/2952" target="_blank" >https://online.obd.cz/id_publ/2952</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Algoritmy pro automatickou vizuální detekci defektů

Original language description

Výstupem jsou algoritmy pro automatickou detekci defektů a anomálií v průmyslových a stavebních objektech, určené zejména pro analýzu obrazových dat ve viditelném i infračerveném spektru získaných z bezpilotních prostředků nebo ručních inspekčních kamer. Algoritmy umožňují automatizovanou identifikaci a klasifikaci čtyř rodin defektů: povrchové defekty a závady železobetonových konstrukcí (ve viditelném spektru), skryté defekty a závady železobetonových konstrukcí (v infračerveném spektru), koroze (ve viditelném spektru) a úniky kapalin (ve viditelném spektru). Výstup přispívá ke zvýšení efektivity inspekcí, omezení subjektivního hodnocení a zkrácení doby nutné pro vyhodnocení rozsáhlých datových souborů.

Czech name

Algoritmy pro automatickou vizuální detekci defektů

Czech description

Výstupem jsou algoritmy pro automatickou detekci defektů a anomálií v průmyslových a stavebních objektech, určené zejména pro analýzu obrazových dat ve viditelném i infračerveném spektru získaných z bezpilotních prostředků nebo ručních inspekčních kamer. Algoritmy umožňují automatizovanou identifikaci a klasifikaci čtyř rodin defektů: povrchové defekty a závady železobetonových konstrukcí (ve viditelném spektru), skryté defekty a závady železobetonových konstrukcí (v infračerveném spektru), koroze (ve viditelném spektru) a úniky kapalin (ve viditelném spektru). Výstup přispívá ke zvýšení efektivity inspekcí, omezení subjektivního hodnocení a zkrácení doby nutné pro vyhodnocení rozsáhlých datových souborů.

Type

R - Software

CEP classification

—

OECD FORD branch

20205 - Automation and control systems

Project

<a href="/en/project/FW10010379" target="_blank" >FW10010379: Aerial platform for autonomous inspections in rugged indoor environment</a><br>

Continuities

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Publication year

2025

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

INDAIR AI

Technical parameters

Výstup představuje soubor algoritmů pro detekci a lokalizaci závad a defektů na technologií a stavebních konstrukcích. Algoritmy jsou určeny k automatickému zpracování obrazových dat získaných pomocí kamer ve viditelném a infračerveném spektru. Algoritmy je možné používat samostatně z příkazové řádky nebo pomocí API konektorů integrovat do inspekčních software. Výstup tvoří čtyři rodiny algoritmů. První rodina algoritmů je zaměřena na detekci a klasifikaci vizuálních defektů železobetonových a zděných konstrukcí ve viditelném spektru jako jsou trhliny, póry, odlupování povrchových vrstev, obnažené výztuhy nebo výkvěty (eflorescence). Druhá rodina algoritmů využívá obrazová data v infračerveném spektru a je určena k detekci anomálií teplotního pole stavebních konstrukcí, které indikují skryté poruchy jako jsou dutiny, porušení soudržnosti nebo přítomnost vlhkosti a úsad. Třetí rodina algoritmů je zaměřena na detekci koroze pomocí přímých vizuálních projevů (změna barvy a struktury povrchu). Čtvrtá rodina algoritmů se zabývá automatickou detekcí úniků kapalin z potrubních systémů a armatur. Technické řešení algoritmů je založeno na metodách hlubokého učení, zejména na konvolučních neuronových sítích určených pro úlohy detekce objektů a segmentace obrazu. Pro implementaci byly využity modely typu YOLO (You Only Look Once) předučené na obecném datovém setu COCO (common objects in context). Jako základ pro modely YOLO byla vybrána konvoluční neuronová síť CSPDarkNet-53. Model byl dotrénován a validován na anotovaných datech získaných z reálného prostředí, přičemž typická velikost trénovacích datasetů se pohybuje v řádu tisíců až desítek tisíc snímků v závislosti na rodině algoritmu. Výsledné řešení umožňuje zpracování obrazových dat v reálném čase nebo v čase blízkém reálnému. Součástí technického řešení je metodika přípravy, kontroly a validace datových souborů, zahrnující kontrolu kvality anotací, rozdělení dat na trénovací, validační a testovací množiny a vyhodnocení úspěšnosti detekce pomocí standardních metrik (např. precision, recall, mAP). Algoritmy jsou navrženy modulárně a umožňují další rozšiřování o nové typy defektů nebo adaptaci na specifické provozní podmínky a typy snímacích zařízení. Algoritmy byly v průběhu roku 2025 testovány jak v laboratorních podmínkách, tak v reálném provozu (zejména na površích chladicích věží). Kontaktní osoba pro ověření testování v reálných podmínkách: Ing. Zdeněk Antoš, systémový inženýr - sekundární část (Temelínská elektrárna, e-mail: zdenek.antos{at}cez.cz).

Economical parameters

Vyvinuté algoritmy pro automatickou vizuální detekci defektů představují podpůrný softwarový výstup, který rozšiřuje aplikační potenciál výsledků projektu FW10010379 (Prototyp bezpilotní helikoptéry optimalizované pro vykonávání autonomních inspekčních misí v komplexních prostředích). Dle zkušeností z testovacího provozu mohou algoritmy zkrátit čas diagnostika potřebný pro vyhodnocení inspekce až o 80 % (např. v případě inspekce pláště chladicí věže z cca 2 měsíců na méně než 10 pracovních dní). Výstup je v současné době využíván ve výzkumném a ověřovacím režimu a není dosud nasazen v produkčním prostředí. Projekt FW10010379 dosud běží a jeho ukončení je naplánováno na červen 2026 a jeho výsledky budou teprve implementovány do produkčního prostředí v souladu s implementačním plánem projektu.

Owner IČO

47718684

Owner name

Výzkumný a zkušební ústav Plzeň s.r.o.