Een klein scheurtje in een kernreactor, wolkenkrabber, brug of dam kan catastrofale gevolgen hebben. De instorting van de Minneapolis-brug, waarbij in 2007 13 mensen omkwamen, is slechts één voorbeeld van wat er kan gebeuren als de structurele integriteit in gevaar komt.

Niet-geïdentificeerde of onvoldoende geïdentificeerde structurele schade in kernreactoren kan catastrofaal zijn. Inspectie van kritische systemen zoals kernreactoren is ingewikkeld en tijdrovend.

Video's die zijn vastgelegd door een automatisch scheurdetectiesysteem, kunnen kleine krasjes of lasnaden gemakkelijk als scheuren identificeren, dus technici moeten video's frame voor frame bekijken. Het is een tijdrovend proces met kansen voor menselijke fouten.

Een systeem in ontwikkeling aan de Purdue University gebruikt kunstmatige intelligentie om scheuren te detecteren die zijn vastgelegd in video's van kernreactoren. Het systeem analyseert video, frame voor frame, eventuele scheuren op te sporen.

Het nieuwe systeem detecteert scheuren in elk videoframe, terwijl het algoritmeschema de barst van het ene frame naar het andere kan volgen.

"Dit is een enorme sprong voorwaarts voor inspectietechnologie en het kunnen verminderen van ongevallen, sterfgevallen en onderhoudskosten, " zei Mohammad R. Jahanshahi, een assistent-professor in Purdue's College of Engineering, die het onderzoeksteam leidt. "Het laat de computer het harde werk doen, en geeft vervolgens een menselijke operator kwantitatieve informatie over de scheur, zoals de dikte en de lengte van de scheur."

De operator kan dan de video's bekijken en naar de specifieke frames gaan waarnaar door het softwaresysteem wordt verwezen om de scheuren te onderzoeken en te bepalen welke actie nodig kan zijn.

Jahanshahi zei dat de methode werd getest op 20 inspectievideo's van kerncentrales, met resultaten die aantonen dat deze methode robuuster is dan elke andere benadering. Hij zei dat het systeem veel potentiële toepassingen heeft, zoals het detecteren van scheuren in grote gebouwen, wegen en windturbines.

"Ons systeem is slim en adaptief, zodat een operator zijn eigen gegevens kan gebruiken, "Zei Jahanshahi. "De computer kan op basis van die gegevens opnieuw worden geprogrammeerd om scheuren in verschillende structuren en verschillende materialen te detecteren."

Het Purdue-team is van mening dat het systeem nog nuttiger zal worden naarmate robots en drones worden gebruikt om grote hoeveelheden visuele gegevens te verzamelen.

Teamleden zeiden ook dat het Purdue-detectiesysteem voor kunstmatige intelligentie schade kan detecteren en de structurele gezondheid van gebouwen kan bepalen. wegen en dammen na aardbevingen en andere natuurrampen.