— Разработанная модель позволит автоматизировать обработку изображений асфальтобетонного покрытия, получаемых с помощью автомобильно-дорожных сканеров, для оценки состояния дорожного полотна. Это во много раз ускорит процесс диагностики и планирования ремонтных работ. Ранее, при использовании акустического анализа, датчики, расположенные на дорожной лаборатории, фиксировали звуки окружающей среды и проезжей части, а затем эксперт слушал и оценивал те или иные данные. Сейчас с помощью методов ИИ можно отфильтровать шумы, выделить значимые сигналы и затем классифицировать дефекты, — отметила она.
— Мы уже разрабатываем инструментарий, включающий в себя интеграцию данных из различных источников, таких как лазерные сканеры и радары, для более полного анализа состояния дорог. Также ведутся работы над адаптивными моделями, способными обучаться на ходу и подстраиваться под новые условия эксплуатации. Улучшение интерфейсов и интеграция с системами управления инфраструктурой помогут сделать технологию более доступной и удобной в использовании, — резюмировала Ксения Полянцева.