ИИ в технадзоре: как быстрее находить дефекты работ
Нейросети анализируют фото и видео со стройплощадки, чтобы выявить отклонения быстрее человека. Объясняем, какие задачи алгоритмы закрывают сегодня и где по-прежнему нужен опытный инженер.
Нейросеть не понимает строительные нормы и не имеет инженерного образования. Она сравнивает то, что видит, с тем, чему ее обучили на размеченных примерах. Отсюда три рабочие задачи. Первая — распознавание видимых дефектов по фотографии: трещин, сколов, следов протечек, отклонений окраски. Вторая — сравнение текущего снимка с проектом или с предыдущим состоянием объекта. Третья — автоматическая сортировка материалов, чтобы инженер получал не тысячу снимков, а короткий список мест, требующих внимания.
По оценкам участников рынка, системы компьютерного зрения сокращают время на обработку фотоматериалов до 40% (согласно данных "Строительная газета").
Как это работает на практике
Схема выглядит просто. Обходчик снимает объект на телефон по заданному маршруту. Снимки уходят в систему, которая размечает потенциальные дефекты и присваивает им уровень критичности. Инженер открывает карту и видит, куда идти в первую очередь.
Дальше он проверяет каждую метку руками. Если алгоритм ошибся, метка снимается. Если попал — дефект уходит в журнал с координатами и фотографией. Такой конвейер экономит время на рутинном осмотре, но не отменяет его.
Где алгоритм ошибается чаще всего
Ложные срабатывания — главная проблема. Тень от арматуры распознается как трещина, мокрое пятно — как протечка, стык плит — как отклонение геометрии. Особенно нестабильно все работает при плохом освещении, съемке под углом и в пыли.
Вторая слабость — скрытые дефекты. Алгоритм видит только то, что попало в кадр, поэтому пустоты в бетоне, недостаточное армирование или нарушения в узлах он не поймает. Третья — нестандартные решения. Если проектом предусмотрен нетиповой узел, нейросеть почти наверняка отметит его как ошибку.
Что реально ускоряется
Быстрее всего идет первичная фиксация и документооборот. Фотографии автоматически привязываются к адресу, дате и исполнителю. Отпадает ручное составление актов по каждому обходу: система формирует черновик, инженер его правит.
Ускоряется и контроль динамики. Можно сравнить, как выглядел дефект неделю назад и сейчас. Именно на этих участках эффект заметнее всего, а не на самой диагностике.
Где по-прежнему нужен человек
Ответственность за приёмку работ никуда не переносится. Подпись под актом ставит специалист, и спрос за пропущенный дефект тоже с него. Алгоритм не оценивает соответствие проекту в юридическом смысле, не проверяет сертификаты на материалы и не участвует в спорах с подрядчиком.
Кроме того, любая система требует настройки под конкретный объект и вид работ. Универсального решения, которое включается и сразу работает, на рынке нет.
ИИ в технадзоре — это инструмент ускорения рутины, а не замена инженера. Он экономит часы на съемке и оформлении, но не берет на себя ответственность и не видит скрытых дефектов. Внедрение таких систем требует начальных затрат на настройку, но снижает нагрузку на специалистов.
Нужна консультация?
Оставьте заявку и наш менеджер с вами свяжется
Если вашему бизнесу нужно подобрать оборудование или программное обеспечение для контроля качества на строительном объекте, на FINLEO Маркетплейс можно сравнить предложения поставщиков и оставить заявку.