L'IA permet de repérer les fissures et aide les ingénieurs à travailler plus intelligemment

Généralement, les fissures ne diminuent jamais. Prenez un verre, par exemple. Dès que vous repérez une fissure, vous ne devriez plus l'utiliser, car ce n'est qu'une question de temps avant qu'il ne se brise. Heureusement, ce n'est pas le cas pour tous les matériaux légèrement fissurés et, dans la plupart des cas, une détection précoce peut empêcher une petite fissure de devenir problématique.

Le béton en est un très bon exemple. Ce matériau est incroyablement robuste et durable, et c'est la raison pour laquelle nous l'utilisons pour les bâtiments, les routes et les ponts. Toutefois, après une cinquantaine d'années, les premiers signes de détérioration apparaîtront peu à peu et des ingénieurs civils vont alors devoir intervenir pour inspecter les structures, vérifier les fissures et faire des recommandations importantes quant à la marche à suivre. Ce travail est primordial, surtout lorsqu'il s'agit d'endroits comme les réseaux autoroutiers complexes. Utilisées par des centaines de milliers, voire des millions d'automobilistes chaque semaine, ces routes comportent souvent un grand nombre de ponts, de tunnels et d'autres structures en béton.

Au Japon, un réseau de ce type est exploité par la Nippon Expressway Company (NEXCO) et compte un peu moins de 10.000 kilomètres de routes, 16.700 ponts en béton et 1680 tunnels. Près de la moitié ont plus de 30 ans, et nombre d'entre eux datent des années 1960. Cela représente beaucoup de béton. Surtout lorsque l'on sait que chaque centimètre doit être sécurisé et adapté à l'usage auquel il est destiné.

Traditionnellement, une petite armée d'ingénieurs et d'experts intrépides aurait entrepris le travail d'inspection dans son intégralité pour inspecter notamment les fissures, la décoloration et de l'écaillage du béton (là où le béton s'est détaché de la structure). Leur travail ne se limiterait pas à se promener avec une loupe et à tapoter le béton pour faire un état des lieux : ils escaladeraient des ponts sur des échafaudages, utiliseraient des plates-formes surélevées, voire des véhicules avec des bras extensibles afin d'atteindre les endroits difficiles. Il s'agit d'une opération nécessaire, mais onéreuse, avant même toute analyse ou réparation supplémentaire.

Face à l'extension constante des réseaux routiers et aux difficultés anticipées pour recruter de nouveaux ingénieurs, l'institut de recherche de NEXCO devait explorer des moyens nouveaux et efficaces pour relever ce défi sans fin. Ce faisant, ils ont découvert Inspection EYE for Infrastructure, de Canon, un service basé sur l'image qui utilise le deep learning pour détecter les défauts.

Les images d'inspection sont d'abord capturées à l'aide d'un appareil photo reflex Canon EOS haute résolution. Ce dernier est fixé sur une monture panoramique motorisée, effectuant un filé et une inclinaison automatiques pour enregistrer un point sous tous les angles. Ces images sont ensuite assemblées pour créer une version unique haute définition que l'intelligence artificielle peut analyser. Ce modèle d'IA formé à l'aide des données de Tosetsu civil Engineering Consultant Inc., pionnier en matière d'inspection des infrastructures par imagerie, a appris à détecter les fissures à un niveau comparable à celui des ingénieurs d'inspection hautement qualifiés, identifiant même les fissures de la surface des murs sans détecter par erreur la saleté ou les joints.

Dans un exercice de comparaison, un ingénieur civil à qui l'on a donné les mêmes images que l'Inspection EYE for Infrastructure a mis 720 minutes pour identifier environ 500 fissures avant de préparer les données d'inspection correspondantes. Grâce à notre outil d'IA, le même ingénieur n'a mis que 90 minutes pour réaliser cette tâche. Il a également été noté que le système offrait des résultats à la fois précis et cohérents – ce qui n'est pas toujours le cas lors d'une analyse humaine. Cependant, des ingénieurs qualifiés évaluent toujours les résultats finaux et, si nécessaire, toutes les modifications sont réinjectées dans le modèle d'IA, afin qu'il puisse continuer à apprendre et à s'améliorer.

Lorsque vous travaillez sur les autoroutes japonaises, « la détection automatisée des défauts à l'aide de l'IA n'est qu'une partie du processus d'inspection », explique Masakazu Honda, Division Chief of the Maintenance Management and Promotion Division, du département de développement des infrastructures chez NEXCO RI. « Un ingénieur devra se charger de l'évaluation finale ». Cependant, nos tests ont montré qu'Inspection EYE for Infrastructure offre un niveau de précision de détection extrêmement élevé, avec une précision de 99,5 %. « Alors que certains systèmes d'IA détectent les fissures individuelles de manière fragmentaire, le système d'IA de Canon offre un niveau de précision proche des contrôles visuels effectués par les ingénieurs d'inspection, à savoir la détection de fissures successives comme étant une seule et même fissure », ajoute M. Honda.

Cette nouvelle technologie réduit non seulement le temps et le coût des inspections, mais M. Honda y voit également des avantages considérables pour la formation des ingénieurs. Cette dernière leur libère notamment du temps et leur permet d'effectuer davantage de visites sur site, ce qui est important pour développer ces compétences vitales d'observation et de compréhension des différents types de dommages structurels. « Les ingénieurs doivent cependant voir le site de leurs propres yeux pour se faire la main », dit-il. « Même si l'IA offre une plus grande commodité, développer leur capacité d'évaluation via des observations sur site est primordial. »

De cette façon, les « yeux » supplémentaires fournis par Canon ne sont pas seulement un outil important pour assurer notre sécurité, mais ils soutiennent le développement de carrières dans un domaine extrêmement spécialisé – un domaine essentiel à la sécurité des voyageurs, mais aussi aux économies qui dépendent de réseaux routiers bien entretenus pour les usagers et le transport de marchandises.

Découvrez comment nous travaillons avec les entreprises pour résoudre leurs problèmes.