Применение компьютерного зрения и нейросетевых алгоритмов к мультисенсорным геоданным для автоматического обнаружения дефектов отделки и геометрических несоответствий на строительной площадке

Аннотация

В статье рассматривается применение методов компьютерного зрения и нейросетевых алгоритмов к мультисенсорным геоданным для автоматического обнаружения дефектов отделки и геометрических несоответствий на строительной площадке в контексте перехода отрасли к Индустрии 4.0. Цель исследования заключается в разработке и экспериментальной валидации комплексного подхода к сенсорной фузии данных наземного лазерного сканирования, фотограмметрии и ВІМ-модели, обеспечивающего сплошной и объективный контроль качества без увеличения трудозатрат инспекторов. В качестве материалов использованы облака точек высокой плотности и более 25 000 изображений, собранные на трех жилых и одном промышленном объекте, для которых экспертно размечены типичные дефекты отделки и отклонения геометрии; методологическая основа включает использование модифицированной архитектуры Mask R-CNN для детектирования и сегментации поверхностных дефектов на изображениях, сети PointNet++ для анализа неструктурированных облаков точек, алгоритмов ІСР для совмещения фактической модели с ВІМ, а также эксперименты по сенсорной фузии RGB, LIDAR и контекстной информации. Показано, что разработанный алгоритмический комплекс достигает значений точности и полноты распознавания дефектов отделки с F1-мерой более 0,9 при среднем времени обработки кадра порядка 150 мс, а автоматизированная оценка геометрических отклонений демонстрирует расхождения с тахеометрическими измерениями менее 0,3 мм, что существенно ниже регламентных допусков. Интеграция RGB, LIDAR и BIM приводит к росту F1-меры до ~0,96 и снижению вероятности пропуска дефектов до менее 4%, при этом выявляется статистически значимая связь между участками с нарушением плоскостности и повышенной частотой возникновения трещин и отслоений. Сделан вывод, что предложенная методика обладает высокой робастностью к условиям реальной стройплощадки и может служить основой для создания динамических цифровых двойников, систем проактивного мониторинга качества и интеграции с технологиями дополненной реальности и роботизированными платформами.