EASY-(DAI)² - Economical & Automated SYstem for Distresses Detection on Airfield Infrastructure with Artificial Intelligence | FEREC 2020

Vers un relevé simplifié et automatisé des dégradations par IA Lauréat de l’appel à projets 2020 Fondation FEREC « Intelligence artificielle (IA) appliquée aux infrastructures en service » 10 / 39 3.3 Le traitement et l’analyse des images par Deep Learning 3.3.1 Démarche générale Le laboratoire LAMES de l’Université Gustave Eiffel avait commencé à développer avant le projet EASY- (DAI)2 des modèles de reconnaissance et de classification d’images comportant des dégradations de chaussée à des fins d’auscultation des réseaux routiers secondaires. Certains de ces modèles étaient issus d’opérations traditionnelles du traitement d’images tandis que d’autres, plus récents, provenaient des techniques d’intelligence artificielle et plus précisément du Deep Learning (ou apprentissage profond). Dans ce contexte, un des objectifs poursuivis par le projet sur le plan de l’analyse des données est d’étudier la transférabilité des modèles de Deep Learning entre une application routière et une application aéronautique. En d’autres termes, on cherche à savoir si des modèles qui ont été entrainés sur des images de chaussée routière (relevant de réseaux secondaires) et de qualité très modeste (issues de webcam) peuvent être directement déployés pour le cas des chaussées aéronautiques souples. Un autre objectif est de savoir si ces mêmes modèles peuvent être renforcés ou adaptés par rapport à de nouveaux jeux de données d’entraînement (en particulier en cas de changement de caméra et/ou par rapport à de nouvelles dégradations) mais aussi par rapport à des besoins en précision et fiabilité plus importants. Le cas des chaussées aéronautiques rigides (en dalles de béton) est également pris en charge dans ce dernier objectif. Pour traiter ces objectifs, le projet s’est organisé sous formes de plusieurs enchainements successifs de (ré)entraînement de modèles - expérimentations - évaluations de sorte à tendre peu à peu vers un ou plusieurs modèles suffisamment robuste(s) et adapté(s) au cas des chaussées aéronautiques qu’elles soient souples ou rigides. Figure 5. Interactions entre les applications routières et aéronautiques dans le projet EASY-DAI2 pour le traitement des données