详细内容或原文请订阅后点击阅览
用于检测和监控基础设施缺陷的可解释 AI
作者：Sandrine Perroud AI 可以通过自动检查轨道、枕木、道碴和挡土墙来帮助提高铁路安全性。EPFL 智能维护和操作系统 (IMOS) 实验室的研究人员开发了一种 AI 驱动的方法，可以提高混凝土结构裂缝检测的效率。他们的研究最近发表在《建筑自动化》上，介绍了一种 […]
来源:ΑΙhubSandrine Perroud
AI可以通过对轨道，杂交，镇流器和挡土墙进行自动检查，来帮助提高铁路安全。 EPFL智能维护和操作系统（IMOS）实验室的研究人员开发了一种AI驱动方法，可提高混凝土结构中裂纹检测的效率。他们的研究最近发表在《施工自动化》上，引入了一种新颖的方法，该方法采用了可解释的人工智能或AI的形式，该方法使用户可以理解AI决策的基础。
研究 施工中的自动化“我们训练了一种算法，以区分混凝土墙中有和没有裂纹的图像[二进制分类任务]，通过向这两个类别的数百个图像样本馈送。然后，我们要求该算法强调它用来做出决定的像素。该算法成功地识别了与裂纹相对应的像素。 “通过我们的方法，用户可以喂养一部分铁路的几年或经常检查的任何其他基础架构的算法图像，并要求它随着时间的推移量化墙壁和杂交的裂缝严重程度。这有助于基础设施运营商更有效地计划其维护。”他说。
混凝土架必须由铁路网络运营商维护。
增强的检查
目前，铁路运营商定期使用预定义的标准来检查基础设施的状况，例如保留墙壁，其中有经验的检查员分配了成绩。但是，此过程通常容易进行主观评估，并且很难随着时间的推移跟踪变化，尤其是当不同的检查员在不同时间点评估基础架构的相同部分时。
完整阅读作品
从分类到分割，具有可解释的AI：关于裂纹检测和生长监测的研究EPFL