Details

Данная работа посвящена разработке алгоритмов автоматизации и созданию программы на их основе, которая автоматически описывает дефекты строительных конструкций по фотографиям при помощи модели искусственного интеллекта, позволяет структурировать исходные данные и результаты обследования, формировать параметризированные схемы дефектов в ходе обследования объекта и автоматически формирует отчетную документацию. Задачи, решаемые в ходе исследования: 1. Проанализировать источники, затрагивающие аналогичные или смежные темы; 2. Разработать способ автоматизации формирования схем и ведомостей дефектов с использованием технологий искусственного интеллекта; 3. Проверить работу способа и оценить результаты. В работе рассмотрен процесс обследования зданий и сооружений. Выделены основные проблемы данного процесса. Для их решения сформирована программа, которая разрабатывалась на языках программирования Python и других. В её основе лежит база данных и модель нейронной сети. База данных позволяет хранить исходные данные и результаты обследования. Нейронная сеть отвечает за распознавание дефектов на фотографиях. По результатам анализа современных методов формирования нейронных сетей, основанных на глубоком обучении, выделен метод YOLO, версии YOLOv5, как наиболее подходящий для решения задач сферы обследования. Представлен способ формирования обучающей выборки для нейронной сети в рамках области обследования зданий и сооружений, выделены основные критерии данного процесса. В результате проведено тестирование разработанного способа автоматизации процессов обследования строительных конструкций на примере обследования многоквартирного жилого дома. Произведено сравнение процесса работ с применением разработанной программы и без неё. Сопоставление показало, что по предварительному расчету стоимость работ уменьшилась более чем на 30%. Точность модели нейронной сети для описания дефектов на фотографиях составила более 75%.

This work is devoted to the development of automation algorithms and creation of a program based on them, which automatically describes the defects of building structures by photos using an artificial intelligence model, allows structuring the initial data and the results of the inspection, to form parameterized schemes of defects during the inspection of the object and automatically generates reporting documentation. The tasks to be solved in the course of the research: 1. Analyze the sources touching on similar or related topics; 2. To develop a way to automate the formation of schemes and lists of defects using artificial intelligence technologies; 3. To test the work of the method and evaluate the results. The paper considers the process of inspection of buildings and structures. The main problems of this process are highlighted. To solve them, a program is formed, which was developed in the programming languages Python and others. It is based on a database and neural network model. The database allows storing the initial data and the results of the inspection. The neural network is responsible for recognizing defects in photographs. According to the results of analysis of modern methods of formation of neural networks based on deep learning, the method YOLO, version YOLOv5, is selected as the most suitable for solving the problems of the survey sphere. The method of forming a training sample for neural network within the field of inspection of buildings and structures is presented, the main criteria of this process are highlighted. As a result, the developed method of automating the processes of inspection of building structures has been tested on the example of inspection of an apartment building. The comparison of the work process with the application of the developed program and without it was made. The comparison showed that according to the preliminary calculation the cost of works decreased by more than 30%. The accuracy of the neural network model for describing defects in photographs was more than 75%.

• Введение
• 1 Глава 1. Обследование зданий и сооружений. Проблемы области и их существующие решения. Использование искусственного интеллекта в строительной отрасли
  • 1.1 Процесс обследования зданий и сооружений
  • 1.2 Современные инструменты и методы обследования зданий и сооружений
    • 1.2.1 Технологии информационного моделирования
    • 1.2.2 Методика автоматизации камеральных работ
  • 1.3 Проблемы области обследования зданий и сооружений
  • 1.4 Использование искусственного интеллекта в строительной отрасти
  • 1.5 Возможности применения искусственного интеллекта в процессе обследования зданий и сооружений
  • 1.6 Использование баз данных в строительной отрасли
  • 1.7 Возможности применения баз данных в процессе обследования зданий и сооружений
  • Выводы по первой главе
• 2 Глава 2 Камеральная обработка результатов обследования зданий и сооружений
  • 2.1 Анализ текущего процесса камеральной обработки результатов обследования
    • 2.1.1 Получение результатов обследования
    • 2.1.2 Камеральная обработка и хранение результатов обследования
  • 2.2 Алгоритм автоматизации формирования схем и ведомостей дефектов
  • 2.3 Камеральная обработка результатов обследования с использованием разработанных алгоритмов
  • 2.4 Использование нейронной сети для автоматизации процесса камеральной обработки результатов обследования
    • 2.4.1 Принцип работы нейронной сети
    • 2.4.2 Выбор метода детекции объектов на изображениях
    • 2.4.3 Способ формирования обучающей выборки для модели искусственного интеллекта
  • 2.5 Предварительная оценка эффективности предлагаемого способа
    • 2.5.1 Способы определения стоимости проектных работ
    • 2.5.2 Расчет стоимости разработки ведомости дефектов традиционным методом
    • 2.5.3 Расчет стоимости разработки ведомости дефектов обновленным методом
    • 2.5.4 Анализ полученных результатов
  • Выводы по второй главе
• 3 Глава 3 Практическая апробация способов автоматизации процесса камеральной обработки результатов обследования зданий и сооружений
  • 3.1 Основные функциональные части реализуемого программного обеспечения для автоматизации отчетной документации
  • 3.2 Требования к функциональности клиентской и серверной частей веб-приложения
    • 3.2.1 Клиентская часть веб-приложения
    • 3.2.2 Серверная части веб-приложения
  • 3.3 Реализации базы данных
  • 3.4 Система распознавания дефектов строительных конструкций на основе фотографий
    • 3.4.1 Обучение модели нейронной сети
    • 3.4.2 Тестирование разработанной модели нейронной сети
    • 3.4.3 Формирование отчета и ведомости дефектов
  • 3.5 Система формирования схем дефектов
  • 3.6 Описание разработанного веб-приложения
  • Выводы по третьей главе
• Заключение
• Список использованных источников
• Приложение А. График всех классов, полученных при разметке фотографий
• Приложение Б. График количества классов в обучающей и валидационной выборке
• Приложение В. График точности предсказаний нейронной сети