Un sistema basato sull‘intelligenza artificiale permette di seguire nel tempo l’evoluzione di crepe, distacchi del calcestruzzo e infiltrazioni d’acqua nei ponti utilizzando le immagini raccolte durante le normali ispezioni con droni, misurando le aree danneggiate con un errore massimo del 4,61% rispetto alle rilevazioni manuali. A svilupparlo e’ stato un gruppo della Seoul National University of Science and Technology, in Corea del Sud, guidato da Hyun Jin Kim, professore assistente presso il Dipartimento di Ingegneria Civile. Il sistema, descritto sulla rivista Structural Health Monitoring, combina intelligenza artificiale, computer vision e ricostruzione tridimensionale delle infrastrutture ed e’ stato sperimentato per 120 giorni su un ponte in calcestruzzo precompresso in esercizio. Il controllo delle condizioni dei ponti e’ essenziale per la sicurezza delle infrastrutture, perché nel tempo il traffico, le condizioni meteorologiche e l’esposizione ambientale possono provocare crepe, distacchi del calcestruzzo e perdite d’acqua. Le tradizionali ispezioni visive richiedono però molto lavoro, possono essere costose e in alcune circostanze comportano rischi per gli operatori. La computer vision ha reso possibile automatizzare almeno parte delle ispezioni, ma rimane un problema: confrontare fotografie dello stesso danno scattate a distanza di mesi. Durante le diverse ispezioni, infatti, le immagini vengono generalmente acquisite da posizioni, distanze e angolazioni differenti, rendendo difficile stabilire con precisione quanto una determinata lesione si sia modificata. Il nuovo sistema affronta il problema costruendo, durante la prima ispezione, un modello tridimensionale del ponte a partire dalle immagini raccolte.
Le fotografie ottenute nelle ispezioni successive vengono automaticamente allineate a questo modello attraverso tecniche di localizzazione gerarchica e raggruppamento delle immagini. In questo modo il sistema può riconoscere e confrontare nel tempo lo stesso danno anche quando il drone lo fotografa da punti di vista o distanze differenti. “Il monitoraggio strutturale a lungo termine richiede piu’ della semplice individuazione del danno: richiede di capire come quel danno evolve”, spiega Kim. “Il nostro sistema consente agli ingegneri di visualizzare la progressione del danno e misurarne la gravita’ utilizzando immagini raccolte durante le ispezioni di routine”.
Per trasformare le misure ricavate dalle fotografie in dimensioni reali, il metodo integra inoltre i dati del Global Navigation Satellite System. L’approccio e’ stato verificato seguendo per 120 giorni un ponte in calcestruzzo precompresso aperto al servizio. Nonostante le variazioni del punto di osservazione della telecamera, il sistema e’ riuscito a seguire nel tempo la progressione delle crepe, dei distacchi del calcestruzzo e delle infiltrazioni d’acqua. Nel confronto con le misurazioni manuali convenzionali, l’errore massimo nella quantificazione delle aree danneggiate e’ risultato pari al 4,61%. A differenza di sistemi che analizzano il danno soltanto in un determinato momento o richiedono di ricostruire un nuovo modello 3D a ogni ispezione, il metodo utilizza un unico modello tridimensionale di riferimento per confrontare le acquisizioni successive. Secondo i ricercatori questo consente di migliorare la coerenza delle valutazioni e ridurre il lavoro computazionale necessario per il monitoraggio a lungo termine. Il sistema presenta comunque alcuni limiti. Il metodo e’ attualmente piu’ adatto a componenti strutturali relativamente piatti e la precisione potrebbe cambiare nel caso di superfici fortemente curve. Secondo gli autori, tuttavia, puo’ essere utilizzato per la maggior parte degli elementi dei ponti normalmente esaminati durante le ispezioni. “Crediamo che questo sistema possa aiutare gli ingegneri a prendere decisioni piu’ informate sulla manutenzione e contribuire a prolungare la vita utile delle infrastrutture critiche”, afferma Kim. In prospettiva, l’approccio potrebbe essere impiegato nelle strategie di manutenzione predittiva, permettendo di utilizzare l’evoluzione dei danni per programmare gli interventi e contribuire alla riduzione dei costi di ispezione e riparazione. I ricercatori ritengono inoltre che la stessa tecnica possa essere adattata al monitoraggio di altre infrastrutture, tra cui tunnel, dighe e sistemi ferroviari sopraelevati.
