Smart TCscan - Évaluation intelligente, à grand rendement et non destructive des défauts de collage dans les chaussées | FEREC 2020

Smart TCscan Lauréat de l’appel à projets 2020 13/29 collage modélisées). La classification binaire par la two-class SVM a permis d’identifier distinctement et de manière automatique la présence de ces deux zones (figures 9c). Ces résultats préliminaires montrent d’excellentes performances (Dice Score (éq. 4) - DSC > 99%). Il ne faut pas écarter à ce stade de l’étude que les données étaient simulées avec une parfaite homogénéité et isotropie du milieu, sans perte ni bruit. Figure 9 : a) Exemple de B-scan extrait de la base de données ; b) Ascans associés ; c) Classification TCSVM avec et sans collage ; d) Matrice de confusion = 2⋅ 2⋅ + + > 99 %(4) Les résultats de cette étude ont été communiqués lors de la conférence internationale NSG 2021 - 2 nd conference on Geophysics for Infrastructure Planning, Monitoring and BIM qui s’est déroulé à Bordeaux du 30 août au 2 septembre 2021 sous l’intitulé : “ Numerical modeling using gprMax to identify a subsurface tack coat for SVM classification ” (DOI : 10.3997/2214-4609.202120040) 4.3. Application de la méthode développée pour la cartographie EM d’une chaussée présentant des anomalies de collage A partir de la méthode développée précédemment, une chaussée de 50 m de long sur 5 m de large a été modélisée (Figure 10). En se basant sur les travaux de recherche en lien avec la thèse de Viktoriia Buliuk sur les problématiques liés aux chapes d’étancheité dans les ouvrages d’art (ayant donné lieu à un article publié en 2021 dans la revue RGRA), une distribution normale (Patel et Read, 1982) réaliste de défauts d’accrochage a été appliquée à notre cas. Un pas de 0,25 m a été utilisé pour réaliser des pointés de A-scans permettant de faire une cartographie EM de la chaussée. a) b) c)