in

【AI 瑕疵檢測案例】數據專家結合空拍機,智能安檢橋梁和危樓

文/簡季婕 Jessica Chien,若水 AI 數據處理事業部負責人

【 前言 】
2019年,南方澳大橋斷裂造成嚴重傷亡,震驚社會。事發後追查原因,才發現這座大橋竟然長達三年沒有檢修。然而,人工安檢面臨三大難題:工時長、高成本、高生命風險。

運用「AI人工智慧」的瑕疵檢測方式已漸漸進入我們的日常生活,成為新世代的安檢基本配備。

全台灣有超過12,000座公路及鐵道橋梁,撐起整座島嶼的交通運輸和經貿活動。而在背後負責這些橋樑安全的人,正是安檢人員。

老舊橋梁的安檢容易嗎?

考量到台灣位處地震帶,以及颱風帶來豪雨、山勢陡峭造成雨水強力沖刷等因素,這些橋梁面臨各式各樣的生存考驗。裂縫、鏽蝕、建材老化與劣化,除了定期檢測,每次天災過後還需要冒著危險加強檢測,讓安檢人員叫苦連天。

圖片來源:國家實驗研究院
圖片來源:國家實驗研究院

不只橋樑,公路鐵路的路面與護欄、隧道涵洞、大型煙囪、高壓電塔、大樓的內牆外壁、港口吊載機具….等,只要你看得到的大型公共建築設施,基本上都屬於安全檢測的範圍。

建築物的混凝土只要一有裂縫,濕氣就會入侵、造成鋼筋外露及生鏽,進而導致乘載力、耐震力降低,加速建物劣化。為了避免無法挽救的意外發生,公共建築安檢首重「延壽制度」,平日裡就必須「超前佈署」,慎防每一處裂縫瑕疵。

雖然現在可以透過感知器,監測頻率波長幫橋梁等建築物「健檢」,取得整體的溫度、位移、變形程度等安全數值,但這些高端精密儀器所費不貲,只有新建造且構造特殊的設施,才能享有特權。裝設感知器之外,還須要搭配安檢人員定期目視檢測,才能確保萬無一失。

由真人檢測這些瑕疵並不容易,除了極少數的建物有相關的安檢輔助機具,其餘時間安檢人員只能冒著生命危險,不畏風雨的爬上爬下,收集各種瑕疵數據。這也衍生出幾個難解的問題:工時長、高成本、高生命風險。

好在,AI人工智慧來了。

透過無人機的AI應用,短短數十分鐘內,就能取得所有需要的影像數據

不只工時大幅縮短,成本降低,人員的生命安全也有所保障。

平時就重視安檢規格的日本,為了原定於2020年舉辦的東京奧運,更是提前為城市的公共安全做足準備。他們透過AI智慧安檢,抓出躲在橋梁、建物裡看不見的裂縫瑕疵,提前修護或重建。

為來自世界各國的運動員、觀眾提供全程安全的觀賽環境。若水日本客戶瞄準這個應用的延伸商機,於兩年前就找上門,委託我們做相關數據標註。


AI安檢空拍機器人,從搜尋電腦視覺數據開始

圖/ 工研院研發的無人機,可取代定點維安、空中警車巡邏、水庫壩體與集水區巡檢、橋梁巡檢 等危險、耗時又費力的工作。

建物的瑕疵百百種,裂縫、繡蝕、鋼筋外露、青苔等,每一種類型都有它特別的 Know-How。若水作為台灣最大的AI數據處理團隊,經手過來自台灣、日本等國的各類瑕疵安全檢測專案,我們發現,能夠搶先成功落地的瑕疵檢測應用,有個關鍵的先決條件:

學習 AI 訓練數據要「夠精確」

所謂的精確,指的是「正確收集」加上「精準數據標註」

比方,當空拍機搭載了定向系統,能蒐集到比人類手動拍攝還要更多、角度更刁鑽的照片,甚至還能紀錄建物座標軸,輸出為3D模型做幾何分析。但空拍機的視角,和人拿著相機任意拍攝的平視角度,就有很大的不同,在實際拍攝前,需要「以終為始」,針對最終想開發的AI應用,詳細規劃需要收集的照片視角、光線、遠近等條件。

拍照時,建議使用實際檢測時會用的設備,同時也需要留心電腦視覺影像的清晰度,避免千辛萬苦取得的照片,最後無法加值到AI模型的窘境。


數據疑難雜症,建築專家來解惑

當遇到無法判斷的情形,我們會請教自家的BIM事業部。

若水的另一個事業部 BIM (Building Information Modeling),是全台灣排名前三大的3D建築資訊模型團隊,有超過十年的建模經驗,對建築設施的內外構造十分熟悉。

當包註原則卡關,可即時向在BIM業界有十年、二十年經驗的建築專家求救,由客戶、若水AI和內部的BIM團隊討論,做出符合業界實際情況的數據標註原則判斷;另外,專家討論也有助於優化專案流程,設計更佳的檢核機制,事半功倍。

(了解更多若水專案管理機制?參考:及時回饋系統,讓卡關成為每天創新的最佳來源

也許你會想:橋梁鐵鏽的 AI 數據標註有多難?

剛開始我們也這樣認為,一去請教了建築業專家才掌握到鐵鏽的物理特色,不會把橋上的光影、污漬或顏色較深的青苔,標註成鐵鏽,讓機器誤學。還有因為鐵鏽的形狀太不規則了,我們一開始標註,都是用「點對點」的方式來處理,但效果不好,最後改成用「面積」來標,讓機器學習 (Machine Learning) 和深度學習 (Deep Learning) 的效果提升很多。

(延伸閱讀:數據教我的三件事,這麼做讓 AI 落地更精準!

而建築裂縫的專案,並不會因為要標註的形狀是「線」,就比較輕鬆。同樣是裂縫,可以細分成多種難易度,從明顯的一條裂縫,到肉眼難以一眼辨識、像蜘蛛網狀不規則交錯的裂縫群集都有。


AI數據標註師的百寶工具箱

「工欲善其事,必先利其器」,AI數據標註 (Data Annotation)也是。除了平時就要備妥各類工具,因應各種產業的AI應用,還要能找出最適當的工具,以發揮最大效能,提升標註品質。

若水AI團隊處理超過100個專案經驗中,橫跨了安全檢測、智慧城市、安防監控、智慧農業…等各大領域的AI數據標註,除了平台的數據標註工具齊全,也透過專業的教育訓練,培訓AI數據標註師成為「活用各類數據標註工具的巧手、快手」。

當遇到不規則的裂縫標註時,便可以調出不同的工具來因應。例如,處理大面積範圍用Polygon(多邊形描邊標註)連續線條用Polyline (描線標註),必要時甚至會用筆刷來做細部的描繪,不放過任何細節,以求高品質交付。

有了AI人工智慧和數據的加持,讓智慧城市和建築橋樑檢測得以事半功倍。


【推薦閱讀】

1, 平時,我們把電梯視為理所當然,然而,電梯一旦故障,有如血栓,立刻癱瘓垂直城市。看全球最大電梯和電扶梯製造商之一通力(KONE),如何用AI修電梯、優化個人化電梯體驗 ➡️➡️ 請看 這裡

2, 「整個 若水AI數據服務平台 的設計主軸就在於:怎麼透過科技的力量,協助標註師在工作中順手、有品質,進而讓所有人即時看見數據的流動」請看「100個專案磨出來的數據服務平台 精煉標註品質」➡️➡️ 全文 在此

圖片來源:國家實驗研究院、工研院、IBM官網(首圖)

台灣人工智慧學校執行長 陳昇瑋:企業AI轉型第一課,從深度學習到深度協作

5個AI數位學習團隊,讓教學更因材施教