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 » 12 / 39 Pour les chaussées « souples » aéronautiques (en enrobé bitumineux), les classes d’objets à détecter relevant des dégradations sont : - La fissuration longitudinale (désignée par LC pour « Longitudinal Cracking » dans l’étude) ; - La fissuration transversale (désignée par TC pour « Transversal Cracking » dans l’étude) ; - Le faïençage (désigné par BC pour « Bloc Cracking » dans l’étude). Pour les besoins d’une expérimentation, les classes suivantes ont été ajoutées : - La fissuration longitudinale présente dans une réparation (désignée par RLC dans l’étude) ; - La fissuration transversale présente dans une réparation (désignée par RTC dans l’étude). Pour les chaussées « rigides » en dalles de béton, les classes d’objets correspondant aux dégradations sont : - La fissuration longitudinale - La fissuration transversale Les classes d’objets suivantes ont été ajoutées de sorte à pouvoir localiser si besoin les dégradations par rapport à la géométrie de la dalle de béton - Joint de dalle - Coin de dalle Dans tous les cas de figure, une détection implique de savoir classifier et localiser une ou plusieurs classes d’objet dans chacune des images du jeu de données. Chaussée souple – LC Chaussée souple – TC Chaussée souple – BC Chaussée souple – RLC Chaussée souple – RTC Chaussée rigide - LC Chaussée rigide - TC Chaussée rigide - J Chaussée rigide - C Figure 7. Illustrations des classes d’objets à détecter