Die Risserkennung spielt eine entscheidende Rolle bei der Überwachung ziviler Infrastrukturen. Traditionelle Erkennungsmethoden sind zwar teilweise erfolgreich, jedoch sehr arbeitsintensiv und ineffizient. Um dieser Herausforderung zu begegnen, schlägt eine neue Studie ein vollständig autonomes Risserkennungssystem vor, das künstliche Intelligenz und Drohnentechnologie nutzt, um Risse autonom zu segmentieren und zu erkennen.

Dieses Framework zur autonomen Risserkennung nutzt Deep-Reinforcement-Learning-Technologie, um einen autonomen Agenten zu trainieren, der Rissmuster adaptiv verfolgen kann. Dieser Agent navigiert nicht nur autonom ohne menschliches Eingreifen, sondern passt seine Suchstrategie auch intelligent an die Risseigenschaften an und maximiert so die Erkennungseffizienz. Forschungsdaten zeigen, dass das System über 85 % der Risse im Trainingsdatensatz erfolgreich erfasste und im Testdatensatz eine Abdeckung von 82 % erreichte. Darüber hinaus erreicht das neue System im Vergleich zu herkömmlichen umfassenden Suchmethoden eine um 64 % verbesserte Rechenressourceneffizienz und bietet damit erhebliches Potenzial für den praktischen Einsatz auf Drohnen und anderen Edge-Geräten.

Professor Rih-Teng Wu, korrespondierender Autor der Studie, bemerkte: „Das vorgeschlagene Framework zeigt, wie die Integration von künstlicher Intelligenz und Drohnen die Strukturüberwachung zu einem sichereren, schnelleren und zuverlässigeren Prozess machen kann.“ Dieses innovative Framework reduziert nicht nur den Zeit- und Arbeitsaufwand für die Strukturüberwachung erheblich, sondern erhöht auch die Inspektionsfrequenz, wodurch potenzielle Strukturprobleme früher erkannt und so die Sicherheit und Haltbarkeit der zivilen Infrastruktur verbessert werden. Mit der kontinuierlichen Weiterentwicklung der Technologie wird erwartet, dass das autonome Risserkennungs-Framework in immer mehr Bereichen Anwendung finden und revolutionäre Veränderungen im Bereich der Strukturüberwachung mit sich bringen wird.

Weitere Informationen: Chun-Hao Fan et al., Autonome Risssegmentierung und -erkennung mit Robotern basierend auf Deep Reinforcement Learning, Automation in Building (2025).