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 » 6 / 39 équipements haut de gamme. Dans cette perspective, l’Université Gustave Eiffel (UGE) et le Service Technique de l’Aviation Civile (STAC) ont décidé d’étudier conjointement la faisabilité d’une solution technique basée sur une instrumentation simplifiée et bas-coût pour la collecte de données ainsi que l’utilisation de l’Intelligence Artificielle pour leur analyse. Cette solution a été développée et testée dans le cadre du projet EASY-(DAI)2 suite à l’appel de la fondation FEREC. Le recours à une instrumentation simplifiée vise à faciliter le déploiement de la méthode sur un maximum d’aéroports. En effet, un dispositif de collecte d’images de chaussée intégrable sur tout type de véhicule de service permettrait de procéder à la fois aux inspections quotidiennes des pistes pour la détection des débris / corps étrangers (FOD) et aux relevés de dégradations de chaussée sans coûts supplémentaires pour l'aéroport et sans compliquer davantage les contraintes opérationnelles actuelles. Concernant l’étape de traitement et d’analyse des données, le projet EASY-(DAI)2 fait intervenir les techniques d’apprentissage profond (Deep Learning) pour la reconnaissance des dégradations de chaussée parmi les jeux d’images enregistrés. Ces techniques constituent des opportunités pour ce genre d’applications et sont donc de plus en plus rencontrées notamment dans le domaine routier. Par conséquent, ce projet s’intéresse également à la transférabilité de ces outils entre le contexte routier et le contexte aéronautique sachant que la plupart des dégradations à détecter sont similaires. Une application réalisée en vraie grandeur et une évaluation de la solution développée dans ce projet pour quelques types dégradations constituent des éléments de sortie de l’étude. 3 Les solutions techniques proposées Les relevés d’auscultation doivent pouvoir être réalisés par des opérateurs non-spécialistes (typiquement des agents de l’aéroport) au moyen de matériels facilement intégrables sur des véhicules « standard » et économiques pour une diffusion plus large. Pour satisfaire aux contraintes de simplicité, de rapidité de montage et de coût de l’instrumentation, nous nous sommes orientés vers un dispositif de vision mono-caméra pour la prise d’images de la chaussée couplé avec un récepteur GPS pour le recueil des coordonnées géographiques et le calcul de l’abscisse curviligne. Concernant le traitement des données, les techniques par IA ont été privilégiées car elles offrent un potentiel très intéressant en particulier quand la qualité des données entrantes n’est pas optimale. Les paragraphes suivants décrivent les instrumentations retenues pour ce projet incluant les parties matérielles et logicielles ainsi que les méthodes de traitement développées pour la détection des fissures. 3.1 Le mode de collecte de données Le mode prise de vue un élément important car il conditionne en particulier le choix de l’imageur. Pour ce projet, nous avons retenu une prise de vue « top-down », c’est-à-dire une caméra orientée perpendiculairement à la surface de la chaussée. Cette configuration permet d’enregistrer une image de surface de chaussée qui soit homogène en terme de résolution ce qui signifie que chaque pixel dans l’image code pour une même distance (sous réserve de ne pas avoir de distorsion géométrique significative).