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 » 32 / 39 Tableau 10. Valeurs des longueurs de dégradations estimées par le modèle DL sur la piste Mike Figure 23. Illustrations de détections de dégradations par le modèle DL sur la piste Mike Sur la base d’un examen visuel des images et d’après les impressions recueillies sur le terrain lors des relevés, la proportion de dégradations entre les 6 bandes de mesure semble cohérente (la bande 4 proche des hangars étant celle qui est manifestement la plus dégradée). En revanche, il semblerait que les longueurs de détections pour chaque bande soient sous-estimées car des faux négatifs apparaissent régulièrement sur les images. Ces impressions devront être confirmées en après-projet après confrontation avec la vérité terrain. LC TC Total LC TC Total Bande 6 78.09 31.77 109.87 Bande 5 67.02 61.5 128.52 Bande 1 10.56 61.26 71.83 Bande 2 83.01 35.02 118.03 Bande 3 207.41 54.58 261.99 Bande 4 469.47 69.72 539.18 Total 653.51 298.72 952.23 Longueurs de fissure Deep Learning (m) Longueurs de fissure Vérité Terrain (m) En cours de calcul