AI-діагностика дефектів: де втрачається точність на знімках
Обхід конструкцій людиною фізично не масштабується: кілометри прогонів, сотні вузлів, майданчики, куди піднімаються раз на рік. Інженер проходить маршрут і фіксує те, що видно з руки, а частина дефектів залишається поза кадром — за елементом, у тіні, вище рівня очей.
Порогові алгоритми, які ставлять першою сходинкою, ламаються на реальних знімках. Поріг яскравості та різниця кадрів упевнено ловлять відблиски, тіні від арматури, сліди опалубки та монтажну розмітку — звідси хибні спрацювання.
Тонка тріщина при цьому зливається з фоном: контраст низький, край розмитий, знімання йде під кутом.
Ціна помилки асиметрична. Пропуск дефекту означає, що тріщина росте до стану, коли ремонтують не локально, а заміною ділянки. Хибні спрацювання б'ють по довірі: оператор перестає відкривати сигнал, і система формально працює, а фактично ні.
Тому AI-діагностика дефектів не зводиться до одного правила.
Аналіз знімків конструкцій розділяють за типами поверхонь і умовами знімання, модель навчають на розмітці реальних дефектів з урахуванням ракурсу й освітлення, а пороги виставляють за допустимою часткою пропусків — її задає замовник, а не розробник.
Далі — як це влаштовано: від підготовки даних і розмітки до сценаріїв, коли система надсилає знімок на ручну перевірку замість автоматичного вердикту.
Вимірюваний ефект: швидкість обходу та повнота знахідок
Повнота розпізнавання перестає залежати від того, хто саме виїхав на об'єкт. Модель розмічає кадри за класами — тріщина, корозія, скіл, оголення арматури — і віддає інженеру список кандидатів з оцінкою впевненості, а поріг спрацювання налаштовується окремо для кожного класу.
Пропуск коштує дорожче за хибне спрацювання, тому для критичних класів поріг знижують, а зайві позначки знімаються під час перевірки за секунди.
Час обстеження скорочується не за рахунок швидкості обходу, а за рахунок того, що рішення ухвалюється на місці. Раніше цикл виглядав так: знімання, повернення, розбір знімків увечері, уточнювальні запитання бригаді наступного дня.
Тепер розмітка йде прямо під час руху, інженер бачить, яких ракурсів не вистачає, і добирає їх, поки стоїть біля конструкції. На об'єкті середнього розміру це економить години, на протяжному — цілу зміну.
Повторні виїзди виникають із двох причин: неповний набір ракурсів і сумнівна якість кадрів. Обов'язковий перелік точок знімання разом із перевіркою різкості й освітленості в момент знімання закриває обидві.
Частка об'єктів, куди доводиться повертатися за перезніманням, падає кратно — разом із нею зникає друга поїздка бригади та повторне узгодження доступу.
Єдиний журнал дефектів змінює саму постановку контролю. Кожен запис — це прив'язка до місця, клас, геометрія та дата; під час наступного обстеження система зіставляє її з попередньою і показує не «тріщина є», а наскільки зросло її розкриття за минулий інтервал. Так з'являється динаміка руйнування — те, заради чого обстеження й проводять.
Режими роботи: знімання на об'єкті або розбір архіву
Від того, звідки надходять знімки, залежить і точність моделі, і обсяг роботи інженерів. Регламент знімання в момент обходу дає однорідний потік: фіксовані ракурси, передбачуване освітлення та прив'язка до елемента конструкції. На таких даних модель рідше плутає дефект із відблиском, тінню або слідом ремонту.
Архів знімків за минулі періоди — швидкий спосіб набрати обсяг, але кадри там різнорідні: різні камери, ракурси, масштаб. Тому на старті рахуємо, яка частка архіву придатна до автоматичного розбору, а що йде на ручну розмітку силами інженерів.
| Варіант | Коли підходить | Обмеження |
|---|---|---|
| Знімання за регламентом | Новий об'єкт, планові обходи | Потрібна дисципліна знімання та навчання персоналу |
| Розбір архіву знімків | Масив фото вже накопичено, потрібен швидкий старт | Різні ракурси, немає масштабу, частина дефектів не видна |
| Гібридний режим | Є архів, але спірні вузли потрібно дозняти | Потрібна наскрізна прив'язка кадрів до елемента |
| Ручна розмітка | Рідкісний клас дефекту, мало прикладів | Висока трудомісткість інженерів, низька швидкість |
Гібридний режим на практиці й виявляється робочим компромісом: архів дає статистику за типовими дефектами, а регламент знімання закриває те, що на старих кадрах нерозрізненне.
Усі варіанти спираються на одну схему прив'язки до елемента конструкції, тому їх можна змішувати й підключати поступово, без перебудови вже зібраної системи.
Як будується AI-діагностика: етапи впровадження
Етапи впровадження йдуть від аудиту поточного контролю до передачі регламентів — і порядок тут принциповий. Якщо почати розмітку знімків раніше за узгодження класів дефектів, розмічений масив доведеться переробляти, а це найтрудомісткіша частина роботи.
- Аудит контролю. Розбираємо, як дефекти виявляють зараз: хто ухвалює рішення, за якими ознаками, скільки перевірок проходить знімок до висновку.
- Узгодження класів дефектів. Фіксуємо закритий список: тріщина, скіл, корозія, оголення арматури, протікання, деформація. У кожного класу — формальна ознака та межа «норма / допустимо / критично», щоб оцінка не залежала від зміни.
- Розмітка знімків. Кадри з реальних об'єктів за різного світла й ракурсу розмічаємо за узгодженими класами; спірні та нерелевантні позначаємо окремо й розбираємо з інженером-експертом.
- Навчання. Модель навчаємо на розміченому масиві, частину даних відкладаємо заздалегідь — інакше перевірка покаже запам'ятовування, а не роботу.
- Перевірка моделі. Прогін на відкладених знімках і об'єктах, яких не було в навчанні, звірка з висновками інженерів за кожним класом: де плутаються близькі класи, де потрібна людина.
- Передача регламентів. Інструкція зі знімання, правила розмітки, порядок обробки результатів, протокол оскарження оцінки та план донавчання за нових ознак.
Модель залишається фільтром, а не вироком: кадри з низькою впевненістю йдуть на ручну перевірку — це закладено в процес, а не виникає як виняток.
Навчальні набори знімків, моделі та регламенти розмітки
Результат проєкту — не лише працюючий сервіс, а й комплект, з яким ваша команда продовжує роботу без нас. Нижче — що саме залишається у замовника, у якому вигляді та з якими гарантіями щодо відтворюваності.
- Розмічені набори знімків — кадри дефектів із координатами області та класом, згруповані за типами конструкцій і умовами знімання.
- Паспорт якості даних — за кожним набором: обсяг, розподіл за класами, частка кадрів із неповною розміткою та прогалини за умовами знімання.
- Навчена модель — ваги та налаштування виведення, пороги спрацювання за класами, звіт за контрольною вибіркою з розділенням пропусків і хибних тривог.
- Регламент розмітки — що вважати дефектом, як проводити межі області, як вирішувати спірні кадри між розмітниками та що робити з непевними випадками.
- Скрипти дорозмітки та перевірки — контроль формату, відбракування дублів і пошкоджених файлів, автоматичний перерахунок метрик після поповнення набору.
- Схема прив'язки знімків до конструкцій — як ідентифікатор елемента та дата знімання пов'язуються з кадром, щоб дефект відстежувався в динаміці.
- Інструкція для інженерів — ракурс, освітлення та масштаб знімання, оформлення кадру, порядок дій за непевної відповіді моделі.
- Порядок перенавчання — на яких даних і з якими метриками нова модель допускається до видачі результатів.
Кейс: контроль дефектів залізобетонних конструкцій
До впровадження контроль дефектів на заводі збірного залізобетону тримався на щомісячних обходах: інженер проходив захватки, знімав тріщини та сколи, звіти складалися в папки за датами.
Між появою тріщини та її фіксацією минало до місяця, частина ділянок випадала з огляду — обхід фізично не покривав весь фронт робіт, а тріщиноутворення в зонах обпирання виявлялося вже постфактум.
Як побудовано потік
Знімати стали постійно: кадри надходять з обходів і від підрядних бригад, система розмічає їх і залишає на перегляд лише ділянки з ознаками тріщиноутворення — порожні та повторні кадри відсіюються до того, як їх побачить людина.
Інженер отримує коротку чергу: підозріла ділянка, прив'язка до елемента конструкції та історія щодо неї.
Рішення «дефект» або «хибне спрацювання» повертаються в розмітку, модель періодично донавчається на знімках майданчика — за нашим досвідом впровадження саме це дає стійкість на власних ракурсах і освітленні.
Метрики до та після
Реакція на нову тріщину скоротилася з тижнів до 1–2 діб: потік знімків безперервний. Частка кадрів, що доходять до інженера, зменшилася приблизно в шість разів — відбір підозрілих ділянок іде автоматично, решта закривається без ручного перегляду.
Пропуски на контрольній вибірці стали рідшими: огляд більше не залежить від того, чи дійшов фахівець до конкретної захватки, а залізобетонні конструкції під високим навантаженням потрапляють у часте знімання за розкладом.
Чим відрізняється пошук дефектів за фото від ручного обходу
Ручний обхід залишається первинним там, де рішення ухвалює людина. Інженер бачить вузол у зборі, оцінює зазори та сліди підтікання — це в кадр не потрапляє. Автоматичний аналіз не скасовує обхід, а знімає з інженера повторювану візуальну частину.
Тріщини, сколи, корозійні плями, оголення арматури — ознаки, які описуються формально й розпізнаються за знімком стійко. Тут автоматичний аналіз замінює суцільний огляд: однотипні вузли перевіряються однаково, без утоми та різного освітлення наприкінці зміни.
Заміна обходу коректна за трьох умов: поверхня спостережувана, дефект має формальну ознаку, знімання йде за однією схемою з прив'язкою до маркування вузлів.
Тоді знімки серії зіставляються між собою, й інструментальний контроль показує зростання дефекту за період, а не лише наявність у кадрі.
Зони відповідальності розмежовуються регламентом, а не інтерфейсом. Модель видає ранжований список кандидатів із прив'язкою до елемента та оцінкою достовірності — це чернетка дефектної відомості. Категорію дефекту та обсяг робіт підтверджує висновок інженера: акт алгоритм не підписує.
Частина завдань залишається за приладами: приховані стики, шви під покриттям, внутрішні порожнини — камера туди не дивиться, і аналіз лише підказує, куди йти з вимірюванням.
Склад фіксованих ознак приводимо до норм (ГОСТ і відомчі регламенти), щоб висновок інженера спирався на простежуваний набір знімків.
Технічні сумніви: точність, розмітка, інтеграції
Вимоги до знімання описуємо як короткий перелік для обхідника, а не як «ідеальні фото»: об'єкт повністю в кадрі, без змазу, з відомим орієнтиром для масштабу. Модель навчаємо на знімках із реальних обходів — різне освітлення, тіні, відблиски, косі ракурси.
Це дає стійкість: на перешкодах система не видає хибний діагноз, а знижує впевненість і надсилає кадр інженеру.
Класи дефектів — не константа: довідник змінюється. Розмітку ведемо як керований набір, нову категорію навчаємо на накопичених знімках, а попередні перевіряємо на відкладеній вибірці — так ловимо деградацію після донавчання.
Результат віддаємо в поточний процес контролю: мітка, область на знімку, впевненість і пріоритет обходу.
Знімки роблять з телефона за різного освітлення — модель впорається?
Так, якщо навчання йшло за схожих умов. Кадри приводимо до єдиного вигляду, а у вибірку додаємо засвітлення, шум і тіні від конструкцій. Якщо умова виходить за межі відомих, система позначає кадр ненадійним замість хибного висновку.
Що робити, якщо переглянуть класи дефектів?
Переводимо розмітку на новий довідник, донавчаємо модель і проганяємо контрольний набір — перевіряємо, чи не деградували попередні класи. Перескладання рішення не потрібне: змінюється схема розмітки та ваги моделі.
Як результат вбудується в наш процес контролю?
Виведення надходить туди, де вже працюють інженери: черга обходів, позначені області на знімку, вивантаження у звітність. Ручний перегляд скорочується за рахунок відсіювання явно справних ділянок.
Обговоримо завдання та повернемося з оцінкою і планом
Первинний розбір починається не з вибору моделі, а з вхідних даних: що точніше розуміємо класи дефектів, умови знімання та те, де система працюватиме, то менше припущень в оцінці строків. Нижче — що надіслати для первинного розбору та в якому вигляді ми повертаємося з планом робіт.
- Приклади знімків — по 30–50 фотографій на кожен тип дефекту: і явні, і спірні кадри, включно з поганим світлом, відблисками, нахилом камери та змазом. За ними відразу видно, реально розділити класи чи знімання потрібно змінювати.
- Перелік дефектів з описом, що вважається нормою, що критичним, а що допустимим відхиленням. Від цієї межі залежать розмітка та поріг спрацювання.
- Де зберігатимуться дані та де має працювати модель: закритий контур замовника, хмара або знімання на об'єкті. Це визначає архітектуру та вимоги до обладнання.
- Точки інтеграції: куди йде результат — в облікову систему, мобільний застосунок, звіт або інтерфейс оператора.
- Ціна помилки в обидва боки: пропущений дефект і хибне спрацювання. Це задає цільові метрики, до яких ми ведемо систему.
- Хто на вашому боці розмічає та перевіряє результат, скільки людей і годин готові на це виділити. Розмітка — найдовша частина проєкту.
- Обмеження за строками та обсягом: запускаємо пілот на одному типі конструкції чи одразу на всьому парку.
Повертаємося з планом робіт: етапи, результат кожного етапу, метрики, за якими вважаємо мету досягнутою, та оцінка строків із припущеннями, від яких вона залежить. Якщо вхідних даних не вистачає — скажемо, що зібрати до старту, замість того щоб закладати ризики в оцінку.
