Cơ sở hạ tầng xã hội cũ kỹ như cầu, đường hầm và đường bộ là một vấn đề lớn ở Nhật Bản, cả ở khu vực thành thị và nông thôn Cho đến nay, việc kiểm tra cơ sở hạ tầng chủ yếu được thực hiện bởi các kỹ sư chuyên ngành tiến hành kiểm tra trực quan chặt chẽ tại chỗ Tuy nhiên, do sự gia tăng số lượng cơ sở mục tiêu và thiếu kỹ sư, việc tiếp tục bảo trì và quản lý chỉ bắn cá offline các phương pháp thông thường đang trở nên khó khăn Trong bối cảnh này, việc chẩn đoán suy thoái cơ sở hạ tầng bắn cá offline AI đang thu hút sự chú ý

Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch đẩy mạnh triển khai công nghệ hỗ trợ thanh tra

Tại Nhật Bản, Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch đang đi đầu trong việc triển khai hoạt động kiểm tra cơ sở hạ tầng dựa trên AI Kiểm tra trực quan cận cảnh theo truyền thống là tiêu chuẩn để kiểm tra định kỳ cầu, đường hầm, phụ kiện đường, vv, nhưng trong những năm gần đây, công nghệ hỗ trợ kiểm tra kết hợp đo lường hình ảnh và phân tích AI ngày càng được sử dụng nhiều hơn Đặc biệt, công nghệ sử dụng việc tích lũy hình ảnh hư hỏng và học máy để hỗ trợ ước tính chiều rộng vết nứt và vị trí hư hỏng được coi là có tính thực tiễn cao tại các địa điểm kiểm tra

Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch chú trọng hơn vào thiết kế vận hành có thể được sử dụng tại hiện trường thay vì bản thân phán đoán tự động đơn giản Ngay cả khi AI xác định được các nguyên nhân gây hư hỏng thì xác nhận của kỹ thuật viên vẫn cần thiết để đưa ra chẩn đoán tình trạng cuối cùng và xác định xem có cần sửa chữa hay không Vì vậy, trên thực tế, có xu hướng coi AI không phải là cơ chế thay thế thanh tra viên mà là cơ chế ngăn chặn thanh tra bỏ sót sự việc và hỗ trợ sàng lọc sơ bộ

Để giải quyết những vấn đề này, Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch đã thành lập Hội đồng AI quản lý cơ sở hạ tầng thông qua sự hợp tác giữa ngành công nghiệp, học viện và chính phủ Chúng tôi sẽ sử dụng AI để giúp hiểu chính xác và nhanh chóng xu hướng hư hỏng thiết bị liên quan đến thiết bị khẩn cấp như trạm bơm thoát nước Chúng tôi hiện đang nghiên cứu và phát triển một hệ thống giám sát AI nhằm ngăn chặn tình trạng mất chức năng và đảm bảo hệ thống quản lý và bảo trì phù hợp

(Hình 1) Hiện trạng và tầm nhìn tương lai của thiết bị máy móc sông (trạm bơm thoát nước) (Nguồn: Trích từ tài liệu do Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch phát hành)

NEXCO đặt mục tiêu cải thiện việc quản lý bảo trì đường cao tốc

Liên quan đến việc kiểm tra đường cao tốc, NEXCO East, NEXCO Central, NEXCO West và Metropolitan Expressway đang nâng cao tính phức tạp của hoạt động kiểm tra bắn cá offline cách sử dụng AI và phân tích hình ảnh Đường cao tốc có rất nhiều mục tiêu kiểm tra, bao gồm cầu, mặt đường, đường hầm, mái dốc và các công trình phụ trợ và công việc phải được thực hiện khi mật độ giao thông đông đúc Do đó, có nhiều kỳ vọng vào một hệ thống phân tích hình ảnh độ phân giải cao thu được từ các phương tiện kiểm tra và thiết bị đo di động để xác định hiệu quả các vết nứt trên mặt đường, biến dạng trong lớp lót đường hầm và các bất thường trên bề mặt kết cấu

Đặc biệt khi kiểm tra đường cao tốc, điều quan trọng là phải xử lý ổ gà, ổ gà có đặc điểm là biến dạng mặt đường không dễ dàng xuất hiện ở trạng thái ban đầu nhưng một khi được xác nhận, chúng sẽ tiến triển thành hư hỏng mặt đường trong một khoảng thời gian tương đối ngắn Hàng nghìn ổ gà được xác nhận xảy ra hàng năm trên các đường cao tốc thuộc thẩm quyền của NEXCO Central Japan, nơi có nguy cơ vô lăng có thể bị bung ra khi đang lái xe, dẫn đến tai nạn nghiêm trọng

Trong các cuộc kiểm tra thông thường, thanh tra viên vào xe và kiểm tra trực quan các mục tiêu kiểm tra khác nhau như mặt đường và biển báo, dẫn đến các vấn đề như mất thời gian lớn và chất lượng kiểm tra thay đổi Để ứng phó với tình trạng này, NEXCO Central Japan đã tiến hành một thử nghiệm trình diễn để giới thiệu AI phát hiện biến dạng mặt đường do Toshiba và Toshiba Digital Solutions phát triển vào hoạt động kiểm tra đường cao tốc hàng ngày Chúng tôi đang xác minh tính hiệu quả của công nghệ áp dụng AI cho hình ảnh được thu thập bắn cá offline camera lắp trên phương tiện kiểm tra nhằm phát hiện ổ gà với độ chính xác cao và theo thời gian thực khi lái xe trên đường cao tốc

Trong thử nghiệm, chúng tôi đã thu thập hình ảnh mặt đường khi lái xe trên Đường cao tốc Shin-Tomei, Đường cao tốc Tomei, vv trong phạm vi quyền hạn của Trung tâm Dịch vụ và Bảo trì Isehara Nhờ việc tạo dữ liệu học tập bắn cá offline cách tập trung vào sự hiện diện hay vắng mặt của ổ gà từ hình ảnh, độ chính xác phát hiện được cải thiện từ 61,25% lên 84,22% so với mô hình đường đa năng được đào tạo bắn cá offline hình ảnh đường thông thường

(Hình 2) Thí nghiệm trình diễn phát hiện ổ gà bắn cá offline AI do NEXCO Central Japan thực hiện (Nguồn: Trích từ thông cáo báo chí của Toshiba)

Kiểm tra cầu đường đô thị bắn cá offline máy bay không người lái và phân tích hình ảnh

Chính quyền địa phương cũng ngày càng áp dụng nhiều biện pháp kiểm tra cầu đường bắn cá offline AI Phương pháp sử dụng AI để phân tích hình ảnh được chụp bởi xe tuần tra đường bộ, điện thoại thông minh và máy ghi âm lái xe cũng như trích xuất những bất thường tiềm ẩn trên mặt đường và các phần phụ của đường đang được áp dụng thường xuyên hơn vì tương đối dễ thực hiện Điều quan trọng đối với chính quyền địa phương không chỉ là độ chính xác phát hiện của AI mà còn là khả năng quyết định cơ sở nào nên được ưu tiên kiểm tra và sửa chữa trong phạm vi ngân sách và nhân sự hạn chế

Đặc biệt, việc kiểm tra cầu đòi hỏi nhiều thời gian và nhân lực cho việc kiểm tra trực quan cận cảnh thông thường đối với những cây cầu khó tiếp cận, chẳng hạn như trên sông, vùng núi và ở những nơi cao, do đó, xu hướng kết hợp chụp ảnh bắn cá offline máy bay không người lái và phân tích hình ảnh AI ngày càng gia tăng Thành phố Ina và NTT MI đã ký thỏa thuận hợp tác để mở rộng hoạt động của ``Hệ thống kiểm tra cầu'' do ``Dự án xây dựng kiểm tra cầu sử dụng máy bay không người lái Agile'' được thực hiện từ năm 2023 đến năm 2025

bắn cá offline cách tải ảnh chụp bắn cá offline máy bay không người lái lên nền tảng và kết hợp chúng để tạo ra hình ảnh của toàn bộ mục tiêu kiểm tra, AI sẽ hợp lý hóa công việc xác định vị trí vết nứt AI sau đó sẽ phát hiện các vết nứt trong hình ảnh được tải lên và hiển thị chúng trên hình ảnh Các vết nứt được AI phát hiện có thể được thêm hoặc sửa theo cách thủ công trên nền tảng và thông tin đã sửa có thể được xuất ra ở định dạng PDF, góp phần tiết kiệm nhân công và hiệu quả khi phản ánh trong báo cáo kiểm tra

(Hình 3) Hình ảnh nâng cao hiệu quả công tác kiểm tra vết nứt trên cấu kiện bê tông bắn cá offline AI tại Ina City (Nguồn: Trích từ thông cáo báo chí của NTT MI)