Повышение эффективности оценки георадарограмм благодаря Искусственному интеллекту (ИИ)
Научно-исследовательские партнеры
Повышение эффективности оценки георадарограмм благодаря Искусственному интеллекту (ИИ)
Свойства нижнего строения пути можно регистрировать при помощи георадара; однако оценка измеренных данных требует больших затрат. Сможет ли использование ИИ сократить эти затраты? Этим вопросом задалась группа ученых, в которой также представлена фирма Плассер & Тойрер, и приняла этот вызов. Оценка существенно облегчается, среди прочего, путем умелого использования фильтров.
Нижнее строение пути имеет большое влияние на долговечность пути. Динамическая нагрузка, оказываемая поездами на щебеночный слой, со временем уменьшает стабильность и в конечном итоге приводит к утрате идеальной геометрии пути. Поэтому, чтобы определить состояние нижнего строения пути, уже годами используется специальный способ измерения: георадар.
Радарные передающие и принимающие устройства установлены на подвижном составе. Когда единицы с таким оборудованием проезжают по пути, высокочастотные электромагнитные волны проходят через нижнее строение и отражаются от него. Степень отражения этих волн различными слоями позволяет сделать заключение об их качестве. Графическое изображение этих отраженных волн называется радарограммой.
Трудоемкий анализ
Объехать отрезок пути длиной в несколько километров и зарегистрировать соответствующие данные георадаром получается довольно быстро, однако, последующий анализ радарограммы требует больших затрат. Специалисты должны просмотреть и интерпретировать эти измеренные данные. Это связано с существенными затратами работы и времени и даже для экспертов является щекотливой задачей.
Автоматизация благодаря использованию фильтров и ИИ
Фирма Плассер & Тойрер в сотрудничестве с «Ground Control Geophysik & Consulting» и со специальным ВУЗом Верхней Австрии разработала метод автоматизированной поддержки при оценке радарограмм. Для этих целей также используется ИИ.
После анализа радарограммы при использовании фильтров результаты сохраняются в форме векторов, а затем в работу включается ИИ. Специальные поисковые алгоритмы находят подобные рисунки отражения и объединяют их в группы или так называемые «кластеры». Степень подробности регулируется в ручном режиме путем задания необходимого числа кластеров.
Графическая обработка
Так как рисунки отражения систематически классифицируются, пределов изображения данных практически не существует. Например, можно присвоить отдельным кластерам разные цвета и выбрать соответствующие цвета для изображения радарограммы, можно показать точную характеристику граничных слоев или составить отдельные графики для различных характерных признаков отражения. Это четче отображает структуры, которые на необработанных кадрах даже эксперту сложно раcпознать невооруженным глазом.
Интерпретация невозможна без экспертных знаний
Хотя этот метод существенно облегчает оценку измеренных данных и резко повышает возможность воспроизведения результатов, все-таки для интерпретации данных и установления потенциальных проблематичных участков в нижнем строении требуется экспертиза человека. Однако, использование ИИ представляет собой существенный вклад для сокращения расходов и рабочего времени и дальнейший шаг в направлении повышения качества радарного анализа нижнего строения пути.