Uporaba metod umetne inteligence za identifikacijo razpok na premostitvenih objektihHasanspahić, Ahmed (Avtor) Klinc, Robert (Mentor) Kreslin, Maja (Komentor) Brelih, Anja (Komentor) magistrska delagradbeništvorazpokepremostitveni objektiumetna inteligencastrojno učenjeavtomatsko zaznavanje poškodbdacl1kdacl10kstatistična primerjava metodKlasični načini pregledovanja premostitvenih objektov so uveljavljeni, a zahtevni tako za izvedbo na terenu kot za obdelavo in ovrednotenje pridobljenih podatkov. Z razvojem umetne inteligence se povečuje zanimanje za avtomatizacijo tega procesa. V magistrski nalogi na primeru levega krajnega opornika obstoječega armiranobetonskega avtocestnega podvoza (62 segmentov velikosti 1x1 m) preizkusimo uporabnost dveh prosto dostopnih, vnaprej naučenih modelov za avtomatsko zaznavanje razpok in sicer klasifikacijskega modela dacl1k (metoda 1) in segmentacijskega modela dacl10k, uporabljenega v treh iterativnih različicah (metoda 2a, 2b in 2c). Njune rezultate primerjamo z rezultati klasičnega pregleda. Metoda 1 se je pri zaznavanju prisotnosti razpoke izkazala za slabo diskriminativno (AUC = 0,521), pri čemer je pri običajnem pragu spregledala približno 76 % ročno potrjenih razpok. Pri Metodi 2 se je pristranskost napovedane dolžine razpoke skozi tri iteracije zmanjšala (od -54,7 cm pri osnovni različici do 2,2 cm pri končni različici, ki namesto izboljšanja ločljivosti obravnava motenj zaradi grafitov kot barvni problem), vendar parni statistični preizkusi (Wilcoxonov test) niso potrdili značilnih razlik med različicami, medtem ko so bile razlike v času sklepanja med vsemi različicami statistično značilne. Glavna vzroka za omejeno zanesljivost avtomatskih metod sta prisotnost grafitov z visokim kontrastom in razpoke, obdelane za potrebe sanacije objekta - primeri, ki jih uporabljeni modeli med učenjem niso zasledili. Rezultati kažejo, da preizkušene metode trenutno še ne dosegajo zanesljivosti klasičnega pregleda, so pa lahko uporabne kot orodje za predhodno triažo, ki pregledovalcu usmeri pozornost na najverjetneje poškodovane segmente.[A. Hasanspahić]20262026-11-09 15:57:04Magistrsko delo/naloga190978sl