Разработка AI-системы анализа дефектов конструкций по фотографиям

AI-диагностика дефектов: где теряется точность на снимках

Обход конструкций человеком физически не масштабируется: километры пролётов, сотни узлов, площадки, куда поднимаются раз в год. Инженер проходит маршрут и фиксирует то, что видно с руки, а часть дефектов остаётся вне кадра — за элементом, в тени, выше уровня глаз.

Пороговые алгоритмы, которые ставят первой ступенью, ломаются на реальных снимках. Яркостный порог и разность кадров уверенно ловят блики, тени от арматуры, следы опалубки и монтажную разметку — отсюда ложные срабатывания. Тонкая трещина при этом сливается с фоном: контраст низкий, край размыт, съёмка идёт под углом.

Цена ошибки асимметрична. Пропуск дефекта означает, что трещина растёт до состояния, когда ремонтируют не локально, а заменой участка. Ложные срабатывания бьют по доверию: оператор перестаёт открывать сигнал, и система формально работает, а фактически нет.

Поэтому AI-диагностика дефектов не сводится к одному правилу. Анализ снимков конструкций разделяют по типам поверхностей и условиям съёмки, модель обучают на разметке реальных дефектов с учётом ракурса и освещения, а пороги выставляют по допустимой доле пропусков — её задаёт заказчик, а не разработчик.

Дальше — как это устроено: от подготовки данных и разметки до сценариев, когда система отправляет снимок на ручную проверку вместо автоматического вердикта.

Измеримый эффект: скорость обхода и полнота находок

Полнота распознавания перестаёт зависеть от того, кто именно выехал на объект. Модель размечает кадры по классам — трещина, коррозия, скол, оголение арматуры — и отдаёт инженеру список кандидатов с оценкой уверенности, а порог срабатывания настраивается отдельно под каждый класс. Пропуск обходится дороже ложного срабатывания, поэтому для критичных классов порог опускают, а лишние отметки снимаются при проверке за секунды.

Время обследования сокращается не за счёт скорости обхода, а за счёт того, что решение принимается на месте. Раньше цикл выглядел так: съёмка, возврат, разбор снимков вечером, уточняющие вопросы бригаде на следующий день. Теперь разметка идёт прямо по ходу движения, инженер видит, каких ракурсов не хватает, и добирает их, пока стоит у конструкции. На объекте среднего размера это экономит часы, на протяжённом — целую смену.

Повторные выезды возникают из двух причин: неполный набор ракурсов и сомнительное качество кадров. Обязательный перечень точек съёмки вместе с проверкой резкости и освещённости в момент съёмки закрывает обе. Доля объектов, куда приходится возвращаться за пересъёмкой, падает кратно — вместе с ней уходит вторая поездка бригады и повторное согласование доступа.

Единый журнал дефектов меняет саму постановку контроля. Каждая запись — это привязка к месту, класс, геометрия и дата; при следующем обследовании система сопоставляет её с предыдущей и показывает не «трещина есть», а насколько выросло её раскрытие за прошедший интервал. Так появляется динамика разрушения — то, ради чего обследование и проводят.

Режимы работы: съёмка на объекте или разбор архива

От того, откуда приходят снимки, зависит и точность модели, и объём работы инженеров. Регламент съёмки в момент обхода даёт однородный поток: фиксированные ракурсы, предсказуемое освещение и привязка к элементу конструкции. На таких данных модель реже путает дефект с бликом, тенью или следом ремонта.

Архив снимков за прошлые периоды — быстрый способ набрать объём, но кадры там разнородные: разные камеры, ракурсы, масштаб. Поэтому на старте считаем, какая доля архива пригодна к автоматическому разбору, а что уходит на ручную разметку силами инженеров.

Гибридный режим на практике и оказывается рабочим компромиссом: архив даёт статистику по типовым дефектам, а регламент съёмки закрывает то, что на старых кадрах неразличимо. Все варианты опираются на одну схему привязки к элементу конструкции, поэтому их можно смешивать и подключать постепенно, без перестройки уже собранной системы.

Как строится AI-диагностика: этапы внедрения

Этапы внедрения идут от аудита текущего контроля к передаче регламентов — и порядок здесь принципиален. Если начать разметку снимков раньше согласования классов дефектов, размеченный массив придётся переделывать, а это самая трудоёмкая часть работы.

1. Аудит контроля. Разбираем, как дефекты выявляют сейчас: кто принимает решение, по каким признакам, сколько проверок проходит снимок до заключения.
2. Согласование классов дефектов. Фиксируем закрытый список: трещина, скол, коррозия, оголение арматуры, протечка, деформация. У каждого класса — формальный признак и граница «норма / допустимо / критично», чтобы оценка не зависела от смены.
3. Разметка снимков. Кадры с реальных объектов при разном свете и ракурсе размечаем по согласованным классам; спорные и нерелевантные помечаем отдельно и разбираем с инженером-экспертом.
4. Обучение. Модель учим на размеченном массиве, часть данных откладываем заранее — иначе проверка покажет запоминание, а не работу.
5. Проверка модели. Прогон на отложенных снимках и объектах, которых не было в обучении, сверка с заключениями инженеров по каждому классу: где путаются близкие классы, где нужен человек.
6. Передача регламентов. Инструкция по съёмке, правила разметки, порядок обработки результатов, протокол оспаривания оценки и план дообучения при новых признаках.

Модель остаётся фильтром, а не приговором: кадры с низкой уверенностью уходят на ручную проверку — это заложено в процесс, а не возникает как исключение.

Обучающие наборы снимков, модели и регламенты разметки

Результат проекта — не только работающий сервис, но и комплект, с которым ваша команда продолжает работу без нас. Ниже — что именно остаётся у заказчика, в каком виде и с какими гарантиями по воспроизводимости.

• Размеченные наборы снимков — кадры дефектов с координатами области и классом, сгруппированные по типам конструкций и условиям съёмки.
• Паспорт качества данных — по каждому набору: объём, распределение по классам, доля кадров с неполной разметкой и пробелы по условиям съёмки.
• Обученная модель — веса и настройки вывода, пороги срабатывания по классам, отчёт по контрольной выборке с разделением пропусков и ложных тревог.
• Регламент разметки — что считать дефектом, как проводить границы области, как разрешать спорные кадры между разметчиками и что делать с неуверенными случаями.
• Скрипты доразметки и проверки — контроль формата, отбраковка дублей и повреждённых файлов, автоматический пересчёт метрик после пополнения набора.
• Схема привязки снимков к конструкциям — как идентификатор элемента и дата съёмки связываются с кадром, чтобы дефект отслеживался в динамике.
• Инструкция для инженеров — ракурс, освещение и масштаб съёмки, оформление кадра, порядок действий при неуверенном ответе модели.
• Порядок переобучения — на каких данных и с какими метриками новая модель допускается к выдаче результатов.

Кейс: контроль дефектов железобетонных конструкций

До внедрения контроль дефектов на заводе сборного железобетона держался на ежемесячных обходах: инженер проходил захватки, снимал трещины и сколы, отчёты складывались в папки по датам. Между появлением трещины и её фиксацией проходило до месяца, часть участков выпадала из осмотра — обход физически не покрывал весь фронт работ, а трещинообразование в зонах опирания обнаруживалось уже по факту.

Как построен поток

Снимать стали постоянно: кадры идут с обходов и от подрядных бригад, система размечает их и оставляет на просмотр только участки с признаками трещинообразования — пустые и повторные кадры отсеиваются до того, как их увидит человек. Инженер получает короткую очередь: подозрительный участок, привязка к элементу конструкции и история по нему. Решения «дефект» или «ложное срабатывание» возвращаются в разметку, модель периодически дообучается на снимках площадки — по нашему опыту внедрения именно это даёт устойчивость на своих ракурсах и освещении.

Метрики до и после

Реакция на новую трещину сократилась с недель до 1–2 суток: поток снимков непрерывный. Доля кадров, доходящих до инженера, уменьшилась примерно в шесть раз — отбор подозрительных участков идёт автоматически, остальное закрывается без ручного просмотра. Пропуски на контрольной выборке стали реже: осмотр больше не зависит от того, дошёл ли специалист до конкретной захватки, а железобетонные конструкции под высокой нагрузкой попадают в частый съём по расписанию.

Чем отличается поиск дефектов по фото от ручного обхода

Ручной обход остаётся первичным там, где решение принимает человек. Инженер видит узел в сборе, оценивает зазоры и следы подтёков — это в кадр не попадает. Автоматический анализ не отменяет обход, а снимает с инженера повторяющуюся визуальную часть.

Трещины, сколы, коррозионные пятна, оголение арматуры — признаки, которые описываются формально и распознаются по снимку устойчиво. Здесь автоматический анализ заменяет сплошной осмотр: однотипные узлы проверяются одинаково, без усталости и разного освещения в конце смены.

Замена обхода корректна при трёх условиях: поверхность наблюдаема, дефект имеет формальный признак, съёмка идёт по одной схеме с привязкой к маркировке узлов. Тогда снимки серии сопоставляются между собой, и инструментальный контроль показывает рост дефекта за период, а не только наличие в кадре.

Зоны ответственности разводятся регламентом, а не интерфейсом. Модель выдаёт ранжированный список кандидатов с привязкой к элементу и оценкой достоверности — это черновик дефектной ведомости. Категорию дефекта и объём работ подтверждает заключение инженера: акт алгоритм не подписывает.

Часть задач остаётся за приборами: скрытые стыки, швы под покрытием, внутренние полости — камера туда не смотрит, и анализ лишь подсказывает, куда идти с измерением. Состав фиксируемых признаков приводим к нормам (ГОСТ и ведомственные регламенты), чтобы заключение инженера опиралось на прослеживаемый набор снимков.

Технические сомнения: точность, разметка, интеграции

Требования к съёмке описываем как короткий перечень для обходчика, а не как «идеальные фото»: объект целиком в кадре, без смаза, с известным ориентиром для масштаба. Модель обучаем на снимках с реальных обходов — разное освещение, тени, блики, косые ракурсы. Это даёт устойчивость: на помехах система не выдаёт ложный диагноз, а снижает уверенность и отправляет кадр инженеру.

Классы дефектов — не константа: справочник меняется. Разметку ведём как управляемый набор, новую категорию обучаем на накопленных снимках, а прежние проверяем на отложенной выборке — так ловим деградацию после дообучения. Результат отдаём в текущий процесс контроля: метка, область на снимке, уверенность и приоритет обхода.

Что делать, если пересмотрят классы дефектов?

Переводим разметку на новый справочник, дообучаем модель и прогоняем контрольный набор — проверяем, не деградировали ли прежние классы. Пересборка решения не нужна: меняется схема разметки и веса модели.

Как результат встроится в наш процесс контроля?

Вывод приходит туда, где уже работают инженеры: очередь обходов, отмеченные области на снимке, выгрузка в отчётность. Ручной просмотр сокращается за счёт отсеивания заведомо исправных участков.

Обсудим задачу и вернёмся с оценкой и планом

Первичный разбор начинается не с выбора модели, а с вводных: чем точнее понимаем классы дефектов, условия съёмки и то, где система будет работать, тем меньше допущений в оценке сроков. Ниже — что прислать для первичного разбора и в каком виде мы возвращаемся с планом работ.

• Примеры снимков — по 30–50 фотографий на каждый тип дефекта: и явные, и спорные кадры, включая плохой свет, блики, наклон камеры и смаз. По ним сразу видно, реально ли разделить классы или съёмку нужно менять.
• Перечень дефектов с описанием, что считается нормой, что критичным, а что допустимым отклонением. От этой границы зависят разметка и порог срабатывания.
• Где будут храниться данные и где должна работать модель: закрытый контур заказчика, облако или съёмка на объекте. Это определяет архитектуру и требования к оборудованию.
• Точки интеграции: куда уходит результат — в учётную систему, мобильное приложение, отчёт или интерфейс оператора.
• Цена ошибки в обе стороны: пропущенный дефект и ложное срабатывание. Это задаёт целевые метрики, к которым мы ведём систему.
• Кто на вашей стороне размечает и проверяет результат, сколько людей и часов готовы на это выделить. Разметка — самая длинная часть проекта.
• Ограничения по срокам и объёму: запускаем пилот на одном типе конструкции или сразу на всём парке.

Возвращаемся с планом работ: этапы, результат каждого этапа, метрики, по которым считаем цель достигнутой, и оценка сроков с допущениями, от которых она зависит. Если вводных не хватает — скажем, что собрать до старта, вместо того чтобы закладывать риски в оценку.