Des chercheurs de la faculté d'ingénierie de l'université Drexel ont dévoilé une avancée révolutionnaire dans le domaine des inspections de sécurité structurelle, grâce à l'utilisation de robots autonomes intégrant une technologie d'apprentissage automatique de pointe.
Cette approche novatrice promet d'améliorer l'efficacité et la précision des évaluations structurelles, révolutionnant potentiellement la maintenance des bâtiments et des infrastructures.
Université Drexel : Faire progresser la technologie de surveillance structurelle
La récente publication de leurs recherches dans la prestigieuse revue Automation in Construction d'Elsevier met en lumière le développement d'un système de surveillance multi-échelle novateur. Ce système exploite la puissance des algorithmes d'apprentissage profond pourdentles défauts structurels, tels que les fissures, avec une précision inégalée.
Par la suite, la technologie LiDAR est utilisée pour générer des images tridimensionnelles détaillées, facilitant ainsi une documentation complète pour les inspecteurs.
Relever le défi du vieillissement des infrastructures
L'importance de cette avancée est soulignée par l'impérieuse nécessité de préserver l'intégrité des infrastructures vieillissantes. Selon les projections de Gensler, près des deux tiers des bâtiments existants devraient être encore utilisés d'ici 2050, ce qui rend la demande de méthodes d'inspection efficaces plus forte que jamais. En permettant la détection précoce des problèmes structurels, cette technologie promet de prolonger la durée de vie des bâtiments et d'améliorer la sécurité publique.
Autonomiser l'inspection autonome
L'un des principaux atouts de ce système réside dans sa capacité à renforcer les compétences des inspecteurs tout en minimisant le recours au travail manuel. Le déploiement de robots autonomes dotés de technologies de détection avancées allège considérablement la charge de travail liée aux inspections, permettant ainsi une allocation plus efficace des ressources humaines. De plus, l'intégration d'algorithmes d'apprentissage automatique réduit les risques d'erreurs humaines, garantissant un processus d'évaluation plus fiable.
perspectives d'avenir et efforts de collaboration
Pour l'avenir, les chercheurs de l'Université Drexel envisagent d'améliorer leur système, notamment en l'intégrant à des véhicules terrestres autonomes afin d'étendre ses fonctionnalités. Ceci permettra la détection, l'analyse et la surveillance autonomes des fissures dans différents types d'infrastructures, ouvrant la voie à une approche plus globale de la maintenance des structures. Des essais en conditions réelles et une collaboration avec l'industrie et les organismes de réglementation seront essentiels pour perfectionner la technologie et garantir son application pratique.
