Diagnosis d’estructures mitjançant visió artificial

El monitoratge de la salut estructural (SHM) és una disciplina que se centra en l’estudi de l’estat a llarg termini d’estructures i infraestructures com ponts, edificis i aerogeneradors, amb l’objectiu d’identificar variacions o degradacions en les seves prestacions. Dins de l’àmbit de les aplicacions del SHM, els nous sistemes basats en la visió artificial presenten una proposta de valor molt atractiva. A diferència dels sistemes de monitoratge convencionals, amb instal·lacions i calibracions costoses que utilitzen xarxes de sensors distribuïts per tota l’estructura basades en el contacte, els sistemes basats en visió artificial ofereixen una alternativa no intrusiva. Aquesta tecnologia és capaç de capturar mesures exhaustives a tot el camp estructural, fins i tot quan es col·loquen a distàncies considerables de l’estructura. Aquesta característica inherent converteix les tècniques basades en la visió artificial en opcions molt rendibles en comparació amb les seves contraparts basades en el contacte, tot i que, tot i ser molt prometedores, encara presenten limitacions tècniques.

En aquest context, el Dr. Ricard Lado Roigé va dur a terme la seva tesi doctoral Leveraging learning-based computer vision for vibration-informed structural diagnosis, realitzada al Departament d’Enginyeria Industrial d’IQS School of Engineering, dins del grup de recerca Applied Mechanics and Advanced Manufacturing – GAM, sota la direcció del Dr. Marco Antonio Pérez.

L’objectiu principal d’aquesta tesi ha estat desenvolupar, perfeccionar i validar una metodologia de visió artificial d’última generació basada en l’amplificació del moviment de vídeo (VMM) mitjançant l’aprenentatge automàtic. La tècnica desenvolupada és una eina dissenyada específicament per simplificar la implementació d’estratègies de SHM en estructures complexes i per avaluar la resposta dinàmica d’aquestes estructures.

Noves eines open source

Per establir i validar aquesta metodologia, el primer pas va consistir en la creació d’un model de referència i una prova de concepte per a la detecció de danys en estructures, amb l’objectiu de validar les futures eines de “deep learning’ desenvolupades.

Posteriorment, el Dr. Lado va realitzar una millora dels models de ‘video motion magnification’ i va introduir una nova arquitectura anomenada STB-VMM (Swin Transformer Based Video Motion Magnification). Aquesta arquitectura es distingeix pel fet que no requereix equips especials per a l’amplificació del moviment, permetent així la seva implementació amb una càmera convencional. A més, el sistema desenvolupat en aquesta tesi doctoral presenta nombrosos avantatges en termes de qualitat d’imatge, comparat amb altres models preexistents.

Finalment, el Dr. Lado va integrar i validar els resultats obtinguts en els sistemes de visió artificial amb la finalitat de desenvolupar una nova eina de software lliure per a la detecció de degradació estructural.

La recerca realitzada en aquesta tesi estableix la capacitat robusta de les tècniques d’amplificació del moviment de vídeo basades en l’aprenentatge per amplificar amb precisió i consistència els moviments estructurals intricats. En conseqüència, això permet la detecció precisa de canvis subtils en la resposta dinàmica de l’estructura sotmesa a escrutini. A més, la integració de l’amplificació del moviment de vídeo eulerià amb tècniques avançades d’aprenentatge, com ara els transformadors visuals i les xarxes neuronals convolucionals, eleva significativament tant la precisió com l’eficiència més enllà del que actualment es considera l’estat de l’art en la qualitat d’imatge de l’amplificació del moviment de vídeo.

A més dels assoliments tècnics, aquesta tesi també proporciona una metodologia completa i un conjunt d’eines de programari que poden resultar inestimables per als investigadors i enginyers que es dediquen al monitoratge i manteniment eficaços i eficients d’estructures complexes.

Publicacions relacionades

Ricard Lado-Roigé, Marco A. Pérez, ViMag: A Visual Vibration Analysis Toolbox, The Journal of Open Source Software, 2023

Ricard Lado-Roigé, Marco A. Pérez , STB-VMM: Swin Transformer Based Video Motion Magnification, Knowledge-based Systems, 269, 110493, 2023

Josep Font-Moré, Guillermo Reyes-Carmenaty, Ricard Lago.Roigé, Marco A. Perez, Performance analysis of vibration-based damage indicators under low-modal information structures, Mechanical Systems and Signal Processing, 190, 110166, 2023

Ricard Lado-Roigé, Josep Font-Moré, Marco A. Pérez, Learning-based video motion magnification approach for vibration-based damage detection, Measurement, 206, 112218, 2023

Aquesta tesi ha rebut ajuts dins del programa d’IQS per a la contractació de personal investigador predoctoral, així com de AGAUR – Agència de Gestió d’Ajuts Universitaris i Recerca, des del projecte 2019 LLAV 0020, i d’ACCIÓ des del projecte INNOTEC ACE034/21/000041 ISAPREF 2021.