L'IA pour surveiller et détecter les défauts des infrastructures

Assurer une inspection automatisée des voies, des traverses, du ballast et des murs de soutènement : telle est la promesse de l’IA pour renforcer la sécurité du rail. À l’EPFL, le Laboratoire des systèmes intelligents de maintenance et d'opérations (IMOS) rend cet objectif de plus en plus tangible. Dans une publication parue dans la revue Automation in Construction, son équipe a mis au point une méthode pilotée par l'IA qui améliore l'efficacité de la détection des fissures dans les structures en béton. Leur nouvelle approche utilise ainsi l’IA qui permet d’en comprendre la base des décisions.

« Nous avons entraîné un algorithme à différencier des images avec et sans fissures dans des murs de béton, une tâche de classification binaire, en lui fournissant des centaines d'échantillons des deux catégories. Ensuite, nous avons demandé à l'algorithme de mettre en évidence les pixels qu'il avait utilisés pour prendre sa décision », indique Florent Forest, premier auteur et postdoctorant au laboratoire IMOS. L'algorithme a identifié avec succès les pixels correspondant aux fissures. « Avec notre approche, les exploitants peuvent fournir à l'algorithme des images prises sur plusieurs années d'un tronçon de chemin de fer – ou de tout autre type d'infrastructure régulièrement inspectée – et lui demander de quantifier la gravité des fissures dans les murs et les traverses au fil du temps. Cela permettra aux exploitants de ces infrastructures de planifier les travaux de maintenance plus efficacement. »
Les traverses de béton doivent être entretenues par les exploitants de réseaux ferroviaires. 

Actuellement, les opérateurs ferroviaires inspectent régulièrement l'état des infrastructures sur la base de critères prédéfinis, avec des notes attribuées par des inspectrices et inspecteurs expérimentés. Ce processus a le désavantage d’être subjectif. Il est aussi difficile de suivre les changements dans le temps, en particulier lorsque des personnes différentes évaluent la même section de l'infrastructure à des moments différents.

Avec la numérisation, les exploitants inspectent l’état des voies via un wagon spécialisé doté d'appareils de mesure et de caméras pour analyser rails, traverses et murs de soutènement. L’IA permet désormais une inspection automatisée, plus objective, précise et facilement comparable dans le temps.

À la suite de cette publication, les groupes de recherche de l'EPFL testeront leur méthode sur un tronçon de chemin de fer situé entre Zermatt et Brigue, et entre Brigue et Disentis. Ces sections comprennent un certain nombre de murs de soutènement de formes et de matériaux différents, ce qui compliquera considérablement la tâche de l'algorithme. Les scientifiques ont déjà recueilli des images de drones, ainsi que celles du wagon d’inspection. Elles et ils utiliseront leur algorithme d'IA pour aider l'opérateur ferroviaire à surveiller l'état de l'infrastructure de manière plus fréquente et systématique.