Ứng dụng AI để phát hiện và phân đoạn vết nứt

Khi quan sát một vết nứt trên bề mặt, bạn có thể nghĩ đó chỉ là một vấn đề nhỏ, nhưng nó là dấu hiệu cảnh báo sớm hữu ích về hư hỏng nghiêm trọng của kết cấu. Ví dụ, cầu được kiểm tra thường xuyên để phát hiện vết nứt, và các vết nứt này chiếm 90% tổng số hư hỏng cầu mỗi năm. Theo cách truyền thống, việc kiểm tra vết nứt được thực hiện thủ công và có thể tốn nhiều thời gian. Trí tuệ nhân tạo (AI) có thể giúp việc phát hiện vết nứt trở nên đơn giản hơn.

Ngoài cầu, phát hiện vết nứt bằng deep learning còn hữu ích trong nhiều môi trường công nghiệp. Công nghệ này giúp đảm bảo tính toàn vẹn của công trình trong lĩnh vực xây dựng, ngăn ngừa thời gian ngừng hoạt động tốn kém trong lĩnh vực sản xuất, đồng thời giúp việc kiểm tra đường và mặt đường an toàn, hiệu quả hơn. Trong bài viết này, chúng ta sẽ tìm hiểu kỹ hơn cách sử dụng AI và các model computer vision như Ultralytics YOLOv8 để phát hiện và phân đoạn vết nứt nhanh chóng, dễ dàng hơn nhiều so với các phương pháp truyền thống.

Phân đoạn vết nứt là gì?#

Trước khi tìm hiểu về phân đoạn vết nứt, hãy cùng tìm hiểu về phân đoạn. Phân đoạn là một tác vụ computer vision, trong đó hình ảnh được chia thành các vùng hoặc phân đoạn khác nhau. Mục tiêu là đơn giản hóa hình ảnh và giúp việc phân tích trở nên dễ dàng hơn. Phân đoạn cung cấp thông tin ở cấp độ pixel, trong khi các tác vụ như phát hiện đối tượng sử dụng bounding boxes để xác định và định vị đối tượng.

Có nhiều loại kỹ thuật phân đoạn khác nhau:

• Phân đoạn ngữ nghĩa: Gán mỗi pixel trong hình ảnh vào một class cụ thể, chẳng hạn như 'đường', 'tòa nhà' hoặc 'cây'. Tất cả pixel thuộc cùng một class được xem là một thực thể.
• Phân đoạn instance: Khác với phân đoạn ngữ nghĩa, kỹ thuật này phân biệt các instance riêng biệt thuộc cùng một class, chẳng hạn như những chiếc xe khác nhau trong một hình ảnh.
• Phân đoạn panoptic: Kết hợp cả phương pháp phân đoạn ngữ nghĩa và phân đoạn instance để cung cấp thông tin chi tiết về việc phân loại ở cấp độ pixel cũng như các instance đối tượng riêng biệt trong hình ảnh.

Hình 1. Sự khác nhau giữa các kỹ thuật phân đoạn: hình ảnh gốc (G), phân đoạn ngữ nghĩa (H), phân đoạn instance (I) và phân đoạn panoptic (J).

Đối với việc phát hiện vết nứt, phân đoạn instance là một lựa chọn phù hợp. Bằng cách phân đoạn riêng từng vết nứt, chúng ta có thể xác định và phân tích từng vết một. Ví dụ, chúng ta có thể tính diện tích của một vết nứt bằng cách đếm số pixel mà vết nứt đó chiếm trong hình ảnh.

Tìm hiểu cách thức hoạt động của phân đoạn vết nứt#

Bước đầu tiên để triển khai phân đoạn vết nứt là cân nhắc thiết lập camera phù hợp, vì thiết lập này có thể khác nhau tùy vào ứng dụng. Nếu kiểm tra một kết cấu lớn như tòa nhà, sử dụng drone có thể là phương án tốt nhất để chụp hình ảnh độ phân giải cao từ nhiều góc độ. Mặt khác, nếu kiểm tra các tấm kim loại sau quá trình sản xuất, có thể nên sử dụng các camera độ phân giải cao cố định, được bố trí chiến lược để chụp hình ảnh chi tiết của bề mặt.

Sau khi hoàn tất thiết lập camera, bạn có thể train một model computer vision hỗ trợ phân đoạn instance, chẳng hạn như YOLOv8. Roboflow Universe Crack Segmentation Dataset chứa các hình ảnh vết nứt đã được gán nhãn và có thể được dùng để train model của bạn. Bạn cũng có thể tạo dataset riêng bằng cách chụp và gán nhãn các hình ảnh vết nứt phù hợp với ứng dụng của mình.

Model học cách phân đoạn vết nứt thông qua học có giám sát. Trong quá trình training, model được cung cấp các hình ảnh và nhãn cho biết vị trí của vết nứt. Model điều chỉnh các tham số nội bộ để giảm thiểu sai khác giữa dự đoán và nhãn thực tế. Sau khi training, model có thể được dùng để phân tích hình ảnh mới và phân đoạn riêng từng vết nứt.

Hình 2. Sử dụng Ultralytics YOLOv8 để phân đoạn vết nứt.

Các ứng dụng công nghiệp của phân đoạn vết nứt#

Phát hiện và phân đoạn vết nứt vô cùng hữu ích trong nhiều ứng dụng công nghiệp, từ bảo trì cơ sở hạ tầng đến kiểm soát chất lượng trong sản xuất. Bằng cách xác định và phân tích chính xác các vết nứt, những kỹ thuật này giúp nâng cao độ an toàn, tuổi thọ và chất lượng trong nhiều lĩnh vực. Hãy cùng xem qua một vài ví dụ.

Duy trì chất lượng đường và mặt đường#

Vết nứt trên đường là một vấn đề phổ biến do điều kiện thời tiết, giao thông đông đúc và hao mòn tự nhiên gây ra. Sự thay đổi nhiệt độ có thể khiến mặt đường giãn nở và co lại, dẫn đến hình thành vết nứt. Các phương tiện hạng nặng tạo thêm áp lực lên bề mặt đường, còn nước thấm vào những vết nứt nhỏ có thể khiến chúng mở rộng và sâu hơn theo thời gian. Những vết nứt này có thể dẫn đến hao mòn sớm, hư hỏng kết cấu và làm tăng nguy hiểm cho người lái xe trên đường. Phát hiện sớm bằng phân đoạn vết nứt có thể giúp đơn giản hóa công tác bảo trì đường.

Hình 3. Một vết nứt trên đường. Nguồn hình ảnh: Envato Elements.

Các vết nứt được phát hiện và phân đoạn bằng computer vision có thể được phân loại thành các mức độ nghiêm trọng thấp, trung bình và cao dựa trên kích thước. Việc phân loại giúp các đội bảo trì xác định thứ tự ưu tiên. Chẳng hạn, có thể xử lý trước các vết nứt mức độ nghiêm trọng cao để ngăn ngừa hư hỏng nghiêm trọng và cải thiện an toàn đường bộ, trong khi các vết nứt mức độ trung bình và thấp có thể được lên lịch sửa chữa sau đó và kiểm tra định kỳ. Nhờ vậy, đội bảo trì có thể tối ưu việc sử dụng nguồn lực, giảm chi phí bảo trì và hạn chế gián đoạn đối với người tham gia giao thông.

Kiểm tra và giám sát kết cấu#

Phát hiện vết nứt cũng có thể được sử dụng để duy trì chất lượng và độ an toàn của các tòa nhà cùng những kết cấu khác. Tương tự đường sá, tòa nhà có thể xuất hiện vết nứt do thay đổi thời tiết, mỏi vật liệu và hao mòn thông thường. Máy móc hạng nặng được sử dụng trong quá trình xây dựng cũng có thể tạo thêm áp lực lên kết cấu, gây ra nhiều vết nứt hơn.

Hình 4. Sử dụng điện thoại di động để chụp ảnh phục vụ phân đoạn vết nứt.

Bằng cách xác định và xử lý chính xác các vết nứt, tuổi thọ của tòa nhà và kết cấu có thể được kéo dài đáng kể. Dữ liệu thu thập từ các hệ thống phát hiện vết nứt cũng có thể được sử dụng để cải thiện các tiêu chuẩn và quy định xây dựng. Bằng cách phân tích các mẫu và nguyên nhân gây nứt trong nhiều dự án khác nhau, các chuyên gia trong ngành có thể phát triển những phương pháp xây dựng và vật liệu tốt hơn.

Phát hiện vết nứt trong ngành dầu khí#

Trong ngành dầu khí, phát hiện vết nứt là yếu tố thiết yếu để duy trì an toàn và độ tin cậy của đường ống, bồn chứa cùng các cơ sở hạ tầng quan trọng khác. Đường ống thường kéo dài trên khoảng cách lớn và phải chịu các điều kiện môi trường khắc nghiệt, có thể gây thay đổi áp suất và mỏi vật liệu, dẫn đến hình thành vết nứt. Theo cách truyền thống, việc phát hiện vết nứt được thực hiện bằng thiết bị đo kiểm tra đường ống (pigs), kiểm tra siêu âm và chụp ảnh bức xạ. Nếu không phát hiện và sửa chữa sớm các vết nứt này, chúng có thể gây ra những sự cố nghiêm trọng như rò rỉ và cháy nổ. Các vết nứt trong ngành này tiềm ẩn rủi ro rất lớn đối với môi trường và con người.

Hình 5. Công nhân kiểm tra các bồn chứa khí trên tàu hỏa. Nguồn hình ảnh: Envato Elements

Phân đoạn vết nứt bằng computer vision cho phép giám sát liên tục tình trạng đường ống. Các đội bảo trì có thể sửa chữa kịp thời và ngăn ngừa thảm họa tiềm ẩn bằng cách xác định vết nứt ngay từ sớm.

Kiểm tra tự động các bộ phận sản xuất#

Kiểm tra tự động bằng phân đoạn vết nứt đang chuyển đổi hoạt động kiểm soát chất lượng trong lĩnh vực sản xuất. Trước đây, việc phát hiện vết nứt được thực hiện thông qua kiểm tra trực quan, kiểm tra thẩm thấu chất màu và kiểm tra bằng hạt từ. Bằng cách tích hợp các hệ thống hình ảnh tiên tiến và computer vision vào dây chuyền sản xuất, nhà sản xuất có thể phát hiện ngay cả những vết nứt và khuyết tật nhỏ nhất trên các bộ phận ngay sau khi chúng được chế tạo. Mọi linh kiện đều có thể được kiểm tra và đảm bảo đáp ứng các tiêu chuẩn chất lượng cao trước khi đến tay khách hàng.

Kiểm tra tự động cải thiện độ chính xác và hiệu quả, đồng thời cung cấp phản hồi theo thời gian thực để đội ngũ sản xuất có thể nhanh chóng khắc phục mọi vấn đề. Điều này giúp tiết kiệm chi phí bằng cách giảm nhu cầu kiểm tra thủ công và ngăn ngừa các đợt thu hồi tốn kém. Ngoài ra, các hệ thống này thu thập dữ liệu có giá trị về khuyết tật, giúp xác định các mẫu và cải thiện quy trình sản xuất, từ đó tạo ra những sản phẩm an toàn và đáng tin cậy hơn.

Hình 6. Phát hiện vết nứt trên các bộ phận kim loại.

Ưu và nhược điểm của phân đoạn vết nứt#

Phát hiện vết nứt bằng deep learning mang lại nhiều lợi ích, bao gồm cải thiện độ an toàn và hỗ trợ ra quyết định dựa trên dữ liệu. Hãy cùng khám phá một số ưu điểm khác của việc sử dụng phát hiện vết nứt trong môi trường công nghiệp:

• Thực hành bền vững: Hỗ trợ các phương pháp xây dựng và bảo trì bền vững bằng cách giảm nhu cầu sửa chữa và thay thế quy mô lớn, qua đó tiết kiệm vật liệu và tài nguyên.
• Giảm thiểu gián đoạn: Lên lịch sửa chữa các vết nứt ít nghiêm trọng hơn trong quá trình bảo trì định kỳ giúp tránh gián đoạn lớn đối với hoạt động và việc sử dụng.
• Tuân thủ quy định: Giúp đáp ứng các tiêu chuẩn ngành và yêu cầu pháp lý bằng cách đảm bảo cơ sở hạ tầng được kiểm tra và bảo trì thường xuyên.

Mặc dù có nhiều ưu điểm, phân đoạn vết nứt cũng có một số hạn chế. Chi phí cơ sở hạ tầng ban đầu cao có thể gây lo ngại cho các tổ chức nhỏ, đồng thời độ phức tạp của hệ thống đòi hỏi việc training và bảo trì liên tục. Dưới đây là một số nhược điểm khác của việc sử dụng phân đoạn vết nứt trong các ứng dụng công nghiệp:

• Dương tính giả và âm tính giả: Có thể xác định nhầm hoặc không phát hiện được vết nứt, dẫn đến sửa chữa không cần thiết hoặc bỏ sót việc sửa chữa.
• Thách thức trong quản lý dữ liệu: Tạo ra lượng dữ liệu lớn, đòi hỏi các công cụ lưu trữ và phân tích mạnh mẽ.
• Yếu tố môi trường: Các điều kiện bên ngoài, chẳng hạn như thời tiết khắc nghiệt hoặc độ ẩm cao, có thể ảnh hưởng đến độ chính xác và độ tin cậy của hệ thống phân đoạn vết nứt.
• Tích hợp với các hệ thống hiện có: Việc tích hợp công nghệ phát hiện vết nứt với cơ sở hạ tầng và hệ thống hiện có có thể gặp nhiều khó khăn, đồng thời có thể cần sửa đổi hoặc nâng cấp bổ sung.

Những điểm chính#

Phân đoạn và phát hiện vết nứt có thể đóng vai trò quan trọng trong việc duy trì sự an toàn và độ bền của cơ sở hạ tầng công nghiệp. Bằng cách sử dụng các công nghệ tiên tiến như deep learning và computer vision, chúng ta có thể phát hiện sớm các vấn đề về kết cấu và khắc phục chúng trước khi trở thành sự cố nghiêm trọng. Phương pháp chủ động này giúp tiết kiệm thời gian và chi phí, đồng thời đáp ứng các tiêu chuẩn an toàn và quy định. Ngoài ra, phương pháp này hỗ trợ các hoạt động bền vững bằng cách giảm thiểu nhu cầu sửa chữa quy mô lớn. Mặc dù có những thách thức như chi phí ban đầu cao và độ phức tạp, lợi ích của phân đoạn vết nứt trong nhiều ngành khiến đây trở thành một công cụ có giá trị để duy trì và cải thiện chất lượng cơ sở hạ tầng.

Để tìm hiểu thêm về AI, hãy truy cập repository GitHub của chúng tôi và tham gia cộng đồng của chúng tôi. Khám phá các ứng dụng AI trong sản xuất và nông nghiệp trên các trang giải pháp của chúng tôi. 🚀