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 » 12 / 23 l’apprentissage en lui-même des différents modèles ni pour l’évaluation des performances sur une base de tests dédié. 3.3.2 Images simulées La simulation de données est une seconde possibilité pour générer des bases d’images. A notre connaissance, il n’existe pas d’outils informatiques permettant de simuler à la fois des images de surface et des images de sub-surface. Nous pouvons cependant utiliser GprMax, logiciel open source, conçu entre autres pour modéliser des profils radar géophysiques et des images Bscans correspondantes. L’avantage d’une construction de la base de données par simulation est la maitrise totale des paramètres du modèle de structure. Parmi ces paramètres, on peut modéliser la présence d’armatures avec un écartement, une profondeur pré-établie, modéliser un béton selon la taille et la densité de granulats, faire varier la teneur en eau, introduire des désordres… L’inconvénient des méthodes simulées est qu’il s’agit de modèles simplifiés qui ne reflètent pas totalement la réalité. On considère ainsi par exemple que les milieux sont homogènes et qu’il n’y aucun bruit de mesures, ce qui reste éloigné des structures et des conditions d’acquisition sur ouvrages. Les détails techniques sur la simulation d’images GPR au moyen du logiciel GPRmax sont donnés dans [8], [9]. Tableau 1 : Paramètres des différentes modélisations. indique la permittivité du milieu, critère dépendant de la teneur en eau. Fréquence (Ghz) ( ⁄ ) Espacement entre armatures (cm) Profondeur des armatures (cm) 2.6 5 15 3 7 30 3 7 12 15 3 7 30 3 7 1.5 5 15 3 7 30 3 7 12 15 3 7 30 3 7 Pour répondre à l’objectif de classification d’images en deux catégories, les images simulées ne peuvent être considérées puisqu’il n’y a aucune image visible associée. En revanche, nous avons introduit les données simulées dans les modèles d’apprentissage dédiés à la segmentation d’instances d’hyperboles. Les différents paramètres utilisés pour la modélisations d’images GPR sont recensés dans le Tableau 1. Notons que nous avons introduit des petites variations autour de la valeur indiquée de chaque paramètre permettant de créer plusieurs occurrences possibles pour une configuration indiquée. Au total, 55 images simulées sont inclues dans la base d’apprentissage pour la segmentation d’instances.