ИИ против ям: новая технология поможет в десятки раз быстрее выявлять дефекты на дорогах
Москва. 18 апреля. ГеоИнфо — Российские ученые представили инновационную систему на основе искусственного интеллекта, предназначенную для автоматизированного контроля состояния дорожного полотна. Об этом сообщают «Известия». Разработка позволяет с высокой точностью выявлять дефекты — ямы, выбоины, нарушения разметки — и делает это в разы быстрее, чем существующие решения. Технология объединяет возможности нейросетей и виброакустического анализа и уже используется в дорожных лабораториях МТУСИ и МАДИ. В перспективе планируется её практическое применение в реальных условиях.
Разработка принадлежит специалистам Московского технического университета связи и информатики (МТУСИ) и Московского автомобильно-дорожного государственного технического университета (МАДИ). В её основе — совмещение анализа звуков, возникающих при движении по дороге, и алгоритмов искусственного интеллекта. Это позволяет системе не просто фиксировать дефекты, но и классифицировать их с высокой точностью.
— Разработанная модель позволит автоматизировать обработку изображений асфальтобетонного покрытия, получаемых с помощью автомобильно-дорожных сканеров, для оценки состояния дорожного полотна. Это во много раз ускорит процесс диагностики и планирования ремонтных работ, — рассказала и.о. замдекана факультета информационных технологий по научной работе МТУСИ Ксения Полянцева.
По её словам, раньше акустические датчики фиксировали звуки, которые затем вручную прослушивал эксперт. Теперь же нейросети фильтруют шумы, выделяют значимые сигналы и классифицируют типы дефектов автоматически. Это не только ускоряет обработку, но и повышает точность анализа.
В пресс-службе МТУСИ сообщили, что сейчас технология проходит апробацию, а в мобильных лабораториях появляется всё больше моделей, оптимизированных для микрокомпьютеров. Примером может служить нейросеть MobileNetV4, разработанная в Google, которая успешно работает даже на устройствах серии Raspberry Pi.
Кроме того, учёные разрабатывают инструменты для объединения данных с лазерных сканеров, радаров и других источников, а также адаптивные модели, которые способны обучаться в процессе эксплуатации и подстраиваться под меняющиеся условия. Развивается и пользовательский интерфейс, а также интеграция с системами управления дорожной инфраструктурой.
Несмотря на перспективность, эксперты отмечают и существующие вызовы. Так, по словам научного руководителя центра «Сильный искусственный интеллект в промышленности» Александра Бухановского, точность моделей может снижаться в зависимости от климатических и дорожных условий. Поэтому важно интегрировать элементы автоматического машинного обучения и создать облачную экосистему для постоянного обновления моделей ИИ.
Старший преподаватель кафедры киберспорта университета «Синергия» Даниил Аржаков обращает внимание на необходимость масштабного тестирования: эффективность технологии в условиях плотного трафика или плохой погоды пока не доказана. Он подчеркивает, что для широкого внедрения нужно устранить возможные проблемы со скоростью обработки и устойчивостью к внешним помехам.
Тем не менее, по мнению Виктории Бересневой, директора АНО «Спортивно-методический центр „Кафедра киберспорта“», технология обладает высоким потенциалом масштабирования и может найти применение в национальных проектах и госпрограммах по цифровизации транспортной отрасли.
Новая система может стать серьёзным шагом в сторону повышения безопасности дорожного движения и эффективности эксплуатации инфраструктуры — при условии, что разработчики успешно решат стоящие перед ними технологические задачи.
