ADOUCIR - Aide au diagnostic d’ouvrages par couplage d’images et radar | FEREC 2020

Aide au Diagnostic d’Ouvrages par Couplage d’Images et Radar Lauréat de l’appel à projets 2020 Fondation FEREC « Intelligence artificielle (IA) appliquée aux infrastructures en service » 11 / 23  La densité d’armatures. L’insuffisance en ferraillage peut être une des causes mécaniques à l’origine de l’apparition des fissures. En segmentant chaque instance d’hyperboles dans l’image radar, on peut mesurer l’écartement en pixels entre deux armatures au niveau du sommet de leurs hyperboles. Connaissant la résolution de l’image et la longueur (en m) de déplacement du capteur à la surface lors de la mesure, on peut en déduire l’écartement (en m) entre armatures.  La profondeur des armatures peut également être calculée. Pour cela, il faut définir le niveau de la surface et convertir le temps donné par la hauteur de l’image en profondeur. Cette valeur est dépendante des paramètres du capteur. Cet indicateur n’a pour le moment pas été mesuré dans le projet.  La teneur en eau du béton est une information qui intéresse fortement les inspecteurs. Au niveau de l’image Radar, une forte teneur en eau peut se traduire par une atténuation du signal mais ce n’est pas le seul paramètre en jeu. En observant les hyperboles, on peut visualiser les différences d’amplitude d’une image Bscan (voir Figure 8) avec une atténuation faible sur l’image de gauche (amplitude du signal des hyperboles élevée) et au contraire une atténuation forte sur l’image de droite. Il n’y a cependant pas de de liens simples entre une atténuation et teneur en eau. D’autres critères doivent être prises en compte, profondeur de l’armature, composition chimique du matériau et notamment la teneur en chlorure. Dans ce projet, nous avons proposé une mesure de contraste (voi r [4]) mais nous n’avons pas exploré la manière de faire automatiquement le lien avec la teneur en eau. Nous ne présenterons donc pas de résultat sur ce point précis. 3.3 Bases de données Pour apprendre et évaluer les différents modèles (classification ou segmentation d’instances) et leurs évaluations, nous devons disposer de bases constituées d’images visibles et radar. 3.3.1 Bases existantes Il existe des bases d’images de parois de ponts en béton mises à disposition par la communauté internationale à des fins de recherche mais aucune d’entre-elles n’associe images visibles de la surface et images GPR de la structure interne. La base CODEBRIM [6], en particulier, est constituée de plus de 4000 images de la surface de parois de ponts, prises à différentes échelles, avec fissures. Nous n’avons trouvé qu’une seule base d’images GPR sur des structures en béton [7] contenant plus de 8000 radargrammes. Notons que chaque image Bscan de la base ne contient qu’une unique hyperbole, ce qui reste assez éloigné de nos besoins. Dans le projet ADOUCIR, ces deux bases ont permis de réaliser les tests d’implémentation des méthodes utilisées. Cependant, elles ne sont pas du tout utilisées ni pour Figure 8 : observations des différences d'amplitude des hyperboles sur le images Bscans gauche et droite.