Разработка AI-системы автоматической инспекции дорожного покрытия

AI инспекция дорог: где ручной обход перестаёт работать

Ручной осмотр дорог держится на человеке: бригада идёт по полосе и фиксирует дефекты в планшет, а оценка зависит от смены, освещения и опыта конкретного инспектора. Один участок в пасмурный день и в полдень получает разные оценки, а сезонность обследования добавляет разброс — весной трещины раскрыты, к лету часть прячется под пылью и следами ямочного ремонта. Данные между выездами оказываются несопоставимыми, и планировать по ним ремонт нельзя.

Заметнее всего пропуск дефектов в колеях и на стыках: именно там взгляд скользит, и тонкая трещина читается как часть колеи. Отдельный стык проходит комиссию без замечаний, а через сезон уходит в выбоину и в аварийный ремонт — стоимость работ на этом этапе уже совсем другая.

Второе узкое место — объём. Сеть раскрывается быстрее, чем её успевают обойти: сколько бригад ни поставь, за сезон реально охватить часть, остальное обследуется по остаточному принципу. Проблема не в старательности бригад, а в том, что ручной метод не масштабируется на всю сеть.

Разбираем, как это закрывается: AI инспекция дорог переводит обследование дорожного покрытия в съёмку с бортового комплекса и автоматическую разметку дефектов по единому отраслевому классификатору. Тип, степень и координаты дефекта попадают в один набор данных, сравнимый от выезда к выезду.

Что меняется после перехода на машинный контроль

Переход на машинный контроль меняет не только способ съёмки, но и единицу планирования работ. Раньше обследование шло выборочно, по участкам, которые успевала охватить бригада; теперь один проезд даёт данные по всему маршруту, и решение о ремонте опирается на фактическую картину, а не на заявки снизу.

Охват и периодичность

Скорость обследования перестаёт зависеть от числа людей в смене: поток данных обрабатывается автоматически, а инженер подключается там, где алгоритм отметил спорную ситуацию. Это позволяет держать охват дорожной сети не отдельными выездами, а регулярным циклом — одна и та же дорога попадает в поле зрения с одинаковым интервалом, и динамика разрушения видна в сравнении, а не по памяти.

Отсюда же падает число повторных выездов. Если первичный проезд дал привязку дефекта к километру и полосе, уточняющая проверка нужна только для подтверждения класса, а спорные случаи отсеиваются до выхода бригады на дорогу.

Единая шкала оценки дефектов

Воспроизводимость оценки раньше держалась на опыте конкретного инженера: две бригады на одной трещине могли поставить разные классы. Машинный контроль задаёт формализованный признак — геометрию, протяжённость, площадь повреждения — и относит дефект к классу по порогу, одинаковому для всех участков и смен. Повторный проезд по тому же месту даёт тот же результат, а расхождение становится не нормой, а сигналом о проблеме в данных.

Срок подготовки отчёта сокращается до времени обработки: сводка собирается сразу, а не после ручного сведения таблиц. Итог — управляемый цикл, где известен охват, понятен класс дефектов и обоснован объём работ.

Съёмка и обработка покрытия: варианты и ограничения

Носитель определяет не только ракурс, но и класс дефектов, которые вообще попадут в кадр. Ниже — четыре схемы съёмки дорожного покрытия, между которыми реально выбирают на старте проекта; комбинировать их в одном контуре можно, но каждая добавляет свой этап привязки кадров к координатам.

Ключевое ограничение съёмки — не разрешение матрицы, а условия: блики от мокрого асфальта, тени от ограждений и сумерки дают ложные срабатывания чаще, чем реальный износ. Поэтому в план закладываем повторные проезды и калибровку по эталонным участкам.

Где обрабатывать: на борту или в общем контуре

Обработка на борту даёт быстрый отклик: кадры размечаются на месте, наружу уходит только результат — канал связи и хранилище разгружаются. Плата — ограниченный ресурс вычислителя и усложнённое обновление моделей на распределённом парке.

Общий контур снимает эти ограничения: модель дообучается на всей накопленной истории, спорные кадры перепроверяет инженер, остаётся полный архив для повторной разметки. Смешанная схема — предварительный отбор на борту, финальное решение в контуре — обычно даёт лучший баланс, её и закладываем как основную.

Как проходит внедрение: от аудита участков до передачи

Внедрение идёт этапами, и каждый закрывается критерием приёмки, согласованным заранее. Так модель попадает в рабочий контур не на честном слове: на каждом шаге видно, что именно проверено и на каких данных.

1. Аудит участков и условий съёмки. Проезжаем типовые отрезки, фиксируем покрытие, освещение, погоду, ракурс и скорость съёмки. На выходе — карта участков и перечень условий, на которых система обязана работать.
2. Схема классов дефектов. Согласуем перечень: продольные и поперечные трещины, сетка трещин, выбоины, колея, шелушение, заплатки. Для каждого класса — письменные границы, что считать дефектом, а что фоном.
3. Подготовка и разметка данных. Убираем дубли и смазанные кадры, балансируем редкие классы, спорные кадры размечаем дважды и сверяем. Часть участков откладываем сразу — они пойдут только на проверку.
4. Обучение и калибровка модели. Подбираем порог уверенности, чтобы не терять тонкие трещины и не давать ложных срабатываний на тенях и лужах; склейка соседних кадров убирает дубли одного дефекта.
5. Проверка на отложенной выборке. Считаем полноту и точность по каждому классу на участках, которых модель не видела, плюс ручной прогон в сложных условиях: дождь, встречное солнце, ночная съёмка.
6. Передача и обучение вашей команды. Отдаём модель, регламент доразметки и инструкцию по переобучению, разбираем ошибки на ваших примерах.

Критерии приёмки на каждом шаге

Критерии фиксируются до старта: по аудиту — карта участков, по разметке — доля согласия между разметчиками, по модели — метрики на отложенной выборке отдельно по каждому классу, по передаче — ваша команда сама запускает цикл доразметки и переобучения. Этап без закрытого критерия дальше не идёт.

Что передаём на руки: разметка, модели, регламенты

Передаём не работающий сервис на нашей стороне, а полный контур, который ваша команда сможет сопровождать и развивать без нас. В пакет входит всё для повторного обучения, приёмки и стыковки с учётными системами — от размеченных данных до регламентов, по которым операторы снимают и сдают материал.

• Размеченный набор данных: кадры по классам дефектов — трещины, выбоины, колея, разрушение кромки — сбалансированные по типам покрытия и условиям освещения. Отдельная выборка для проверки показывает реальную полноту, а не отчётную.
• Обученная модель и правила её обновления: какая версия в работе, на каких данных училась, при каких метриках новая версия допускается к запуску и как вернуться на предыдущую.
• Схема стыковки с вашей системой учёта: как дефекты привязываются к участкам и километрам, в каком виде уходят в отчётность и кто подтверждает запись.
• Регламент съёмки: ракурс и перекрытие кадров, допустимая скорость движения, условия, при которых материал не засчитывается, порядок калибровки перед выездом.
• Регламент приёмки отчётов: доля пропусков, при которой партия уходит на пересъёмку, порядок разбора спорных случаев и сроки ответа.
• Инструкции для операторов: проверка качества материала на месте, действия при смазанном кадре или смене погоды, кому передавать сбой.
• Документация и передача знаний: описание контура, журнал изменений модели, разбор с вашей командой, период сопровождения после запуска.

Права на модель и данные

Отдельно в договоре фиксируем права на модель и данные: размеченный набор, веса модели и производные остаются у вас. Вы можете дообучать её своими силами или передать другой команде без потери работоспособности. За нами — только обезличенные методики, не содержащие ваших данных.

Кейс: обследование магистрали до и после внедрения

Участок — 18 км городской магистрали с шестью полосами, путепроводами и теневыми въездами во дворы. Три бригады обследовали его около двух недель: координаты дефекта уточнялись на месте, спорные замечания закрывались повторным выездом. К выпуску отчёта часть дефектов служба уже устраняла, и картина расходилась с фактом.

Мы перевели съёмку на панорамные камеры с геопривязкой кадров, а классификацию по типам и критичности свели к требованиям ГОСТ Р 50597. Модель обучена на разметке инженеров-дорожников: кадры с низкой уверенностью уходят на подтверждение человеком, а не в отчёт.

• Полнота выявления дефектов — 62% → 96% на контрольной выборке из 1200 кадров, размеченных вручную.
• Время подготовки отчёта — 9–12 дней → один рабочий день после выезда: карта дефектов и ведомость объёмов формируются автоматически.
• Повторные выезды — 4 из 10 участков → 1 из 15, и только там, где обзор перекрывал транспорт или тоннель.

Что именно дало прирост на сложных участках

На теневом и мокром покрытии выигрыш дала не сама модель, а связка решений. Стабилизация кадров на скорости потока вместе с геопривязкой убрали дубли одного дефекта с разных проездов, а второй проход по кадрам с низкой уверенностью снизил долю ложных срабатываний с 18% до 4%. Въезды во дворы и разметочные швы инженер доразмечал вручную — эти кадры шли в дообучение, и следующий обход проходил чище.

Чем нейросетевая инспекция отличается от пороговой фильтрации?

Пороговая фильтрация — набор правил вида «участок кадра темнее фона на заданную величину → дефект». Работает предсказуемо и почти не требует данных, но держится на допущении: дефект всегда контрастирует с покрытием одинаково. Как только допущение ломается, ломается и детектор.

А ломается оно регулярно. Утреннее солнце даёт тени от столбов и деревьев, которые проходят порог и становятся трещинами; мокрый асфальт сливается по яркости и прячет выбоины. Смена сезона добавляет снег, реагенты и разметку — под каждый фактор нужен свой набор порогов, и его перенастраивают вручную.

Нейросетевая инспекция учится на размеченных примерах: инженеры показывают модели кадры с дефектами и без — разными камерами, в разное время суток, по сезонам и типам покрытия. Модель опирается не на яркость, а на структуру: геометрию трещины, зернистость, разрыв кромки. Устойчивость к освещению появляется из того, что в выборке уже были и тени, и засветки, и мокрое покрытие.

Ложные срабатывания при пороговой фильтрации растут вместе с чувствительностью: снижаешь порог — ловишь больше трещин и одновременно больше пятен, швов и следов герметика. Нейросеть разделяет эти классы, а их уровень регулируется порогом уверенности и разбором ошибок: инженеры смотрят, что именно модель приняла за дефект, и возвращают такие кадры в обучение.

Практический вывод: пороги остаются быстрым фильтром для отсечения заведомо пустых кадров, а решение о дефекте принимает нейросеть — устойчивость к освещению и сезону больше не требует переписывания правил под каждый участок.

Частые технические сомнения перед стартом проекта

Сомнения на этапе оценки касаются обычно не модели, а условий съёмки и границ контура: что делать с дождём и сумерками, как обходиться с зимним покрытием и можно ли обойтись без выгрузки данных наружу. Ниже — ответы в том виде, в каком мы даём их инженерной команде заказчика.

Как модель отличает выбоину от тени и следа ремонта?

Зимой выбоина часто закрыта наледью, а тень от сугроба похожа на провал; след ремонта выглядит ровным и геометрически повторяемым. Разделяем по устойчивости контура между соседними кадрами: тень дрожит, дефект держит форму, а у выбоины рядом скапливается вода и грязь.

Данные обязаны остаться в нашем контуре — это возможно?

Да, выгрузка наружу не требуется. Контур замкнут: съёмка, разметка, обучение и работа модели разворачиваются на согласованных мощностях заказчика или в изолированном сегменте. Веса, логи и разметка остаются внутри, доступ разграничен по ролям.

Как часто переобучать модель?

Переобучение запускается по событию, а не по календарю: накопилась разметка по новым типам дефектов, сменился носитель съёмки, покрытие ушло в другой сезон. Плановые прогоны обычно привязаны к смене сезона, внеплановый — если выросла доля неуверенных кадров.

Обсудим задачу: как строится оценка объёма работ

Оценка объёма работ по AI-инспекции дорог считается не по прайсу за километр, а по инвентаризации данных и процессов заказчика. Ниже — перечень того, что снимает неопределённость быстрее всего: из этих ответов собирается план работ, фиксируются метрики приёмки результатов и границы ответственности.

• Реестр участков: протяжённость, класс дороги, тип покрытия, число полос, мосты и путепроводы — от этого зависит объём эталонной разметки и валидации.
• Условия и периодичность съёмки: чем снимаем (панорамная камера, регистратор, мобильный обход), время суток, сезон, погода, частота проездов — задаёт требования к устойчивости модели на тенях, мокром асфальте и стёртой разметке.
• Требования к отчётности: какие классы дефектов распознаём (продольные и поперечные трещины, сетка, ямы, колея), пороги по размерам, форматы выгрузки и привязка к координатам.
• Системы учёта: действующая ГИС, реестр дефектов, паспорт дороги, порядок эскалации заявок на ремонт — определяет, какой слой интеграции нужен.
• Ответственные за приёмку результатов: кто подписывает, по какой метрике (полнота и точность детекции на контрольной выборке) и как разбирается спорный случай.
• Доступы и данные: архив видео и фото, исторические проезды прошлых лет, выделенные эталонные участки для калибровки.

Дальше остаётся согласовать план работ: пилотный участок, на нём — замер метрик и сверка с ручным обходом, затем масштабирование на весь реестр с понятным графиком. Опишите задачу в этих пунктах — вернёмся с оценкой и планом.