Ricostruzione di digital twin per analisi strutturali in ambito civile
In collaborazione con
Scenario
Movyon è leader nello sviluppo e nell’integrazione di soluzioni di Intelligent Transport Systems, Tolling e Infrastructure Management e centro di eccellenza per la ricerca e l’innovazione del Gruppo Autostrade per l'Italia. Il dipartimento R&D di Movyon si è rivolto a Deix con l’obiettivo di sperimentare un modo innovativo per effettuare il monitoraggio periodico e l’analisi di strade e autostrade.
Con l’avvento di nuove tecnologie l’acquisizione dati è stata resa più accessibile e rapida, ma le attività di elaborazione richiedono precisione e uno sforzo consistente per far sì che i dati raccolti possano essere analizzati e messi a disposizione di interlocutori in grado di prendere decisioni.
La sfida
La necessità è stata quella di etichettare correttamente i singoli elementi a partire da dati raccolti dalle rilevazioni aeree e dalle scansioni LIDAR
La sfida principale del progetto è stata quella di ricostruire digitalmente un modello 3D dei singoli elementi che compongono le infrastrutture, identificando in maniera puntuale piloni, travi, spalle, giunti e gli altri componenti tipici delle strutture stradali, seguendo una classificazione ben precisa.
La necessità è stata quella di realizzare digital twin con il più alto livello di conformità alla realtà, addestrando gli algoritmi a “etichettare” correttamente i singoli elementi a partire da dati raccolti dalle rilevazioni aeree effettuate con droni tramite registrazioni e tecnologie LIDAR di scansione.
La grande mole di dati raccolta dai droni si traduce in una nuvola di centinaia di milioni di punti il cui processo di segmentazione nelle sue sottocomponenti ha rappresentato la sfida principale del progetto.
La soluzione
Il progetto ha visto l’utilizzo di diversi approcci per giungere alla soluzione. In particolare, sono state considerate due strade
L’impiego di Machine Learning, tramite l'utilizzo di reti neurali per l'apprendimento automatico
Un Approccio Non Supervisionato, con l’utilizzo di modelli CAD (BIM - Building Information Modeling) per creare associazioni tra i modelli e le rilevazioni con drone.
Entrambi gli approcci hanno mostrato delle criticità che sono state superate grazie alla collaborazione costante con il cliente.
Nel caso del machine learning e delle reti neurali la necessità di lavorare con una ridotta disponibilità di dati etichettati ci ha portato a lavorare congiuntamente con il cliente per sfruttare al meglio le informazioni disponibili per generare una taggatura automatica in grado di fornire all’intelligenza artificiale sufficienti informazioni per avviare l’apprendimento automatico.
Per quanto riguarda l’approccio non supervisionato, la sfida è stata creare allineamenti e associazione di elementi tra le immagini acquisite dai droni e i modelli Cad presi come riferimento, non sempre esattamente fedeli alle infrastrutture realizzate e presenti sul territorio. Questo è stato reso possibile tramite l’utilizzo di algoritmi di ottimizzazione multistart sviluppati ad hoc.
Il lavoro di R&D in totale sinergia, che ha unito l'attività di etichettatura, pulizia e integrazione dei dati con l'attività di realizzazione algoritmica, è stato fondamentale per la piena riuscita dell’attività.
I risultati del progetto
Il progetto è stato condotto con successo e sono stati raggiunti tutti gli obiettivi di accuratezza delle ricostruzioni digitali richiesti dal cliente. In particolare, è stato possibile realizzare dei digital twin delle strutture, identificando i singoli elementi con una precision superiore al 90%. Questo ha aperto la strada ad una nuova fase del progetto che ha l’obiettivo di sfruttare quanto creato per migliorare l’attività di monitoraggio e analisi strutturale in un percorso di innovazione e crescita continua.
Le prospettive
Il progetto rappresenta solo il primo passo verso un’attività di monitoraggio e classificazione digitale sempre più efficace. L’obiettivo a tendere è quello di implementare degli strumenti efficaci di manutenzione predittiva, utilizzando questa tecnologia per effettuare scansioni automatizzate nel tempo. L’intento è di avere un supporto più rapido ed efficace a servizio delle attività di analisi strutturale e di previsione della manutenzione, rendendo i processi più efficaci e rapidi in un contesto in cui attualmente molte attività sono onerose in termini di tempo ed energie da impiegare.
Se sei interessato a saperne di più su come la realizzazione di algoritmi avanzati possa supportare la manutenzione predittiva e altre attività, non esitate a contattarci per una consulenza. Siamo pronti ad aiutarti a sviluppare soluzioni a misura delle tue esigenze.