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 » 5 / 23 2 Contexte et objectifs du projet L'auscultation périodique des ouvrages d’art est essentielle pour garantir leur bon état et assurer leur fonctionnement. L'inspection consiste, entre autres, à déceler et identifier les désordres, suivre leur évolution et analyser leurs causes. Parmi les désordres à recenser, on s’intéresse en particulier aux fissures sur ouvrages en béton. Les fissures sont des désordres fréquents, d’ouverture, de longueur, d’orientation et de densité très variées. Elles peuvent présenter aucun critère de gravité ou au contraire être annonciatrices de pathologies très variées. Les raisons d’apparition de ces fissures sont multiples et il est important d’en comprendre leurs origines pour affiner le diagnostic et mettre en place des actions de suivi et/ou de traitement. Ainsi, les fissures d’origine mécanique souvent liées à un fonctionnement normal de l’ouvrage, peuvent aussi mettre en évidence une insuffisance de ferraillage ou un problème de corrosion des armatures. Les conditions de prise non respectées et/ou une qualité du béton inadaptée peuvent aussi conduire à l’apparition de ce type de fissures. Les fissures peuvent également être dues à des réactions physico-chimique dans le matériau et entraîner gonflement et fissuration de celui-ci. Enfin le retrait du béton, lorsqu’il n’est pas bien maitrisé, peut entrainer ce phénomène de fissurations. D’une manière générale, pour expliquer l’origine des fissures, il est nécessaire de caractériser l’état du matériau en lui-même ou des éléments constitutifs de la structure tels que les armatures métalliques. Les techniques d'imagerie sont régulièrement employées pour fournir des données aux spécialistes afin de les aider dans leur tâche d'inspection. Selon les capteurs utilisés, on peut visualiser la surface de l'ouvrage avec des images dans le domaine visible ou infra-rouge. L’utilisation de caméras 3D permet d’extraire les variations de profondeur à la surface de la structure. Grâce aux capteurs GPR ( Ground Penetrating Radar ), il est également possible de visualiser la sub-surface du matériau et avoir un aperçu de son état interne. Si les outils d'acquisition de données sur ouvrages sont désormais assez répandus, leur analyse automatique commence seulement à être déployée de manière opérationnelle. Parmi ces méthodes automatiques, citons les algorithmes de reconnaissance de formes, branche de l’intelligence artificielle, qui permettent de détecter des éléments d'intérêt sur des images. Historiquement, de nombreuses approches de reconnaissance de forme se sont focalisées sur la détection automatique de désordres visibles sur des images de la surface du matériau (voir [1]) . Ces mêmes approches de reconnaissance de forme peuvent être également mises en œuvre pour analyser les images GPR et identifier des éléments d'intérêt telles que des armatures ou des cavités (voi r [2] p our un état de l'art). Dans ce domaine d'applications, on note cependant qu'aucune approche d'intelligence artificielle, à notre connaissance, propose un couplage de modalités alliant imagerie de surface et de sub-surface dans un algorithme de reconnaissance de formes. L’objectif général du projet ADOUCIR (Aide au Diagnostic d’OUvrages par Couplage d’Images et Radar) est de montrer la faisabilité et l’intérêt des méthodes d’intelligence artificielle combinant données images visibles de surface et GPR pour l’inspection des ouvrages. Cette problématique revêt un caractère innovant et répond à un besoin fort pour les inspecteurs. Dans cette optique, on s'intéresse en particulier à la classification d'images de parois d'ouvrages selon qu'elles contiennent des fissures ou non, comme on peut l’observer sur l a Figure 1. On souhaite ainsi mettre en évidence l'apport éventuel d'une fusion de modalités pour effectuer cette tâche de classification par rapport à une approche automatique où une seule modalité serait prise en compte. Répondre à ce premier défi doit permettre d’identifier les zones du pont présentant une pathologie. Pour orienter l’analyse de causes possibles d’apparition de fissures, on veut également s’appuyer sur les algorithmes de reconnaissance pour extraire des propriétés physiques (densité de ferraillage, profondeur, humidité du béton) du matériau. Dans l’approche retenue, nous proposons de nous