Ученые из Пермского политеха разработали инновационный метод выявления аварийных зданий с использованием нейросетей. Этот проект направлен на автоматическое определение аварийного состояния зданий и выявление причин повреждений по фотографиям трещин на фасадах.

Программа, разрабатываемая учеными, основана на алгоритмах машинного обучения, которые позволяют автоматически распознавать трещины и другие дефекты на фотографиях зданий. Это значительно повышает точность диагностики и сокращает время, необходимое для обследования.

Ученые написали код в программе Google Colab, загрузив исходный набор данных, состоящий из 780 обучающих и 30 тестовых изображений. Нейросеть обучается находить дефекты на фотографиях фасадов, что позволяет ей эффективно определять аварийное состояние зданий.

На текущий момент программа может определять трещины на тестовых фотографиях за 20 миллисекунд, что соответствует скорости не менее трех кадров в секунду. В будущем планируется увеличить эту скорость до 8 кадров в секунду, что позволит анализировать видео в реальном времени с использованием дронов.

Ученые стремятся повысить точность определения аварийности до 95%. Это позволит более эффективно следить за состоянием зданий и снизить затраты на обследование. Проект уже привлек интерес промышленных предприятий Пермского края.

Таким образом, разработка пермских ученых представляет собой значительный шаг вперед в области автоматизации обследования зданий, что может существенно повысить безопасность жилых и коммерческих объектов.