Алгоритмы идентификации дефектов и несоответствий при приемке отделочных работ на основе машинного обучения и компьютерного зрения в задачах судебной строительно-технической экспертизы

Аннотация

Статья посвящена разработке и валидации алгоритмов машинного обучения и компьютерного зрения для объективной идентификации дефектов и несоответствий при приемке отделочных работ в контексте судебной строительно-технической экспертизы; цель исследования – создать программно-алгоритмический комплекс, способный повышать достоверность выводов, сокращать трудоемкость экспертизы и переводить качественные оценки в воспроизводимые количественные метрики. Материалы и методы включают формирование датасета из 68 450 изображений высокого разрешения, собранных на 275 объектах, с многоэтапной экспертной разметкой по 18 классам дефектов (классификация, детекция bounding-box, семантическая сегментация масками) и аугментацией; для детекции использована YOLOv7, для сегментации – U-Net с энкодером EfficientNet-B5, обучение проведено на GPU-кластере с байесовской оптимизацией гиперпараметров, оценка на отложенной выборке(20%) выполнена по Accuracy, Precision, Recall, F1-score и IoU, а практическая эффективность сопоставлена с результатами 10 аттестованных экспертов на 15 контрольных объектах. Результаты показывают средневзвешенную точность идентификации 97,84% против 95,05% у экспертов, с наибольшим превосходством для микротрещин и дефектов текстуры; по сегментации достигнуты высокие значения IoU для линейных и четко очерченных дефектов(более 94%), при ожидаемом снижении для аморфных пятен и высолов, что отражает границы интерсубъективности разметки. Временные затраты на типовой объект сокращаются с 19,5 человеко-часов до 3,45 машино-часов (-82,3%), главным образом за счет автоматизации идентификации и обмеров, а настройка порогов по ROC-кривым позволяет балансировать Precision/Recall с учетом юридической значимости классов дефектов. Обсуждение подчеркивает устойчивое преимущество комплексного подхода: снижение субъективизма, повышение воспроизводимости и масштабируемость процессов документирования; методологически обоснована интеграция с BIM для сопоставления фактического состояния с проектом и перспективы расширения на мобильные/БПЛА-сбор данных. Заключение фиксирует практическую применимость системы как инструмента стандартизации и ускорения экспертиз, рекомендованного к внедрению в процедуры приемки и разрешения споров.