インフラ点検におけるハイパースペクトルイメージングの理解

多面スペクトルイメージングキャプチャは、数百の狭い、輪郭のスペクトルバンドに反射し、各ピクセルの豊富なスペクトル署名を持つデータキューブを作成します。 従来の多面システムとは異なり、広範なチャネルの便利な記録とは異なり、多面的なセンサーは、微妙な材料固有の吸収特性を人間の目に見えない明らかにします。 この機能は、エンジニアは、サウンドコンクリートと初期段階の腐食と異なる、アスファルトの化学的変化を特定したり、建物の背後にある浸潤を検出したりすることができます。

プラットフォームが動くようにラインによってデータ ラインを集める押し浴室の走査器および単一の露出のフル スペクトラムおよびスペクトル情報を捕獲するスナップショットのimagersに頼る技術は: プラットホームが動くようにラインによってデータ ラインを集める押し浴室の走査器。 最近の小型化は無人航空機にされた航空機車(UAVs)にこれらのセンサーの統合を可能にし、地上のロボットおよびさらには手持ち型装置は、分野に規則的な点検のための実用的配置をします。 2022 調査は無人機取付けられたハイパー システムを94% まで測定の正確さを点検するために達成することを示しました。

リアルタイム検査を運転する技術イノベーション

コンパクトでコスト効率の高いセンサーハードウェア

過去5年間、高スペクトルイメージングシステムのサイズ、重量、価格の劇的な削減を見てきました。 マイクロ電光機械システム(MEMS)および調整可能なFabry-Pérotフィルタで進歩すると、500g以下のスペクトル解像度を5ナノメートル未満の重量を量るセンサーが生成されました。 たとえば、]]]] シリーズは、可視および近赤外線(640nm)の範囲をカバーします。 ナノメートルは、このシリーズは、小型の[FLT]を1]にすることができます。 [FLTF]は、小型の間隔を最大で使用できます。 [FLTF]

高速データ取得・オンボード加工

リアルタイムの検査では、生のスペクトルデータを秒単位で実用的なインサイトに変換し、リアルタイムのセンサーが1秒350フレームを超える速度でハイパースペクトルのキューブを獲得し、最大2Gbpsのデータストリームを生成します。このボリュームを処理するには、検査システムが統合します]フィールドプログラム可能なゲートアレイ(FPGA秒)とエッジAIアクセラレータ[FLT]]]を、および[FLT]フィールドプログラフィカルなネットワークで測定したデータをキャプチャします。

クラウド接続分析パイプライン

より大きなデータセットやオンボードのコンプリートが限られている場合、生のハイパースペクトルキューブは5Gまたは衛星リンクを介してクラウドベースの処理サービスにストリーミングされます。これらのプラットフォームは、分散コンピューティングクラスターを使用して大気補正、スペクトルの混和、および変更検出アルゴリズムを適用します。 ]ENVIおよびCubesenSEは、生成された分析プラットフォームに複数のアセットを割り当てることを可能にする、複数のアセット分析機能分析機能的な分析機能を提供します。

インフラタイプを横断した重要なアプリケーション

橋デッキおよびガードの点検

橋は、高スペクトル検査のための最も要求の厳しい構造の中にあります。 脱ラミネーション、鉄筋腐食、およびアルカリ性反応(ASR)は、短波赤外線(SWIR)領域における異なるスペクトル署名を生成します。 テキサス大学の研究者は、コンクリートの箱桁橋の底部をスキャンするために、ケーブルを含んだロボットに取り付けられたヘッドウォールSWIRセンサーをデプロイしました。 このシステムは、その後、LTFを検査中に使用した塩化物腐食の領域を正常に特定しました。 [F]

道路と舗装の健康評価

異なる舗装条件間で分裂するハイパースペクトルイメージングは、します。 新鮮なアスファルトは、1.7〜2.2 μmの範囲で高い反射率を発揮しますが、バインダー酸化と表面割れが発達するにつれて、スペクトルプロファイルは、より長い波長にシフトします。 フィールド収集されたデータに関するランダムな森林分類器を訓練することにより、2024年にインフラモニタリングが検出された91%の精度で、偏光性が低下する、または、高濃度の低下による腐食性が低下する。

建物の封筒および屋根の点検

商業および住宅の建物のために、高スペクトルツールは、水害、金型の成長、および断熱劣化を評価するために使用されます。 吸水性は、特に970 nmと 1,450 nmで強いため、壁や屋根の膜の背後にある漏れの早期発見を可能にします。 国立標準技術研究所による大規模試験では(]])、UAVは、スナップショットハイパースペクトルカメラを正しく運ぶことができ、湿気の低下を防止するために、すべての危険性を判断しました。

鉄道トラックおよび構造の監視

レールインフラは、ファスナーの緩み、レール面の欠陥、およびバラストの汚染を示す頻繁な検査を必要とします。 Hyperspectralイメージングは、潤滑剤および耐摩耗性のある破片の微妙な化学変化を検出することができます。これは、その方向のレールヘッドクラックを示しています。ドイツ・バーンとミュンヘンのテクニカル・ユニバース間の共同プロジェクトは、400〜1,700nmをカバーする1,024チャンネルのハイパースペクトルシステムを備えたプロトタイプ検査車に取り付けました。 50 kmのテスト実行中に、システムが22 kmを超える特定の検査結果が、超音波検査結果が確認されたことを示唆しました。

今後の現在の制限

データのボリュームとストレージの管理

単一の高解像多面性立方体は、100 m2領域をカバーする単一の高解像多面体は、生のフォーマットで5ギガバイトを超えることができます。 数千の資産を繰り返した検査の長期貯蔵は、すぐに不測になります。 ソリューションには、圧縮アウェアのスペクトルアルゴリズム(JPEG 2000のようなスペクトルの分光度を含み、スペクトルの分光性を低下させる)が、診断機能を維持しながら、80%のファイルサイズを削減します。 資産管理者は、ティアドストレージアーキテクチャも採用しています。 最近のSrievalretsは、または2つのデータよりも高速なデータを保存する間、Srievalrettは、Surrettのストレージよりも高速です。

環境の感受性および口径測定

照明、大気水蒸気、および表面湿潤の変化は、分光の一貫性を妥協します。屋外検査は、特にクラウドカバーを変更することで困難に残ります。補償するために、現代のシステムは、オンボード光源または低膨張照射センサーを使用してリアルタイムの放射線測定を組み込む。さらに、人工知能モデルは、さまざまな照明と気象条件をシミュレートし、環境騒音に堅牢な条件を実証しました。 A23 ベンチマークは、従来のモデルよりも深い角度、湿度を把握し、より詳細な測定を把握し、より詳細な測定結果を検証します。

標準化と認定

多面的データ取得、処理、および報告のための業界全体の基準の欠如は、広範な採用を妨げます。 ハイパースペクトルインフラ(])のための国際社会などの組織は、IS-HI)は、最小空間および分光分解、校正プロトコル、および欠陥分類の分類の分類の分類の分類の分類の分類の分類の分類のためのガイドラインを開発しています。 オペレータおよびデータ分析のための認定プログラムは、既存の非structive(T)が、法的試験を実施した後、新興です。

ハイパースペクトルベースの健康モニタリングの未来

次世代の高スペクトルインフラ検査は、大構造を共同スキャンする空中および地上ロボットの自律的なスウェームを活用します。 継続的な学習アルゴリズムを実行しているエッジデバイスは、地域材料や老化パターンにスペクトルライブラリを適応させます。 他センシングモーダリティと融合 - 正確な3DジオメトリのためのLiDAR、サブサーフェス異常のための地上貫通レーダー、およびアクティブ熱源のための熱カメラは、単一のパスで包括的な健康評価を生成します。

神経形態チップやセンサー処理などのコンピューティングのパラダイムを新興し、パワー消費量と遅延をさらに削減することを約束します。研究者は、量子ドットとメタマテリアルベースのハイパースペクトルセンサーを探索しています。これにより、光学系全体を単一のチップに縮小し、拡大縮小によるコストを削減できます。これらのイノベーションでは、あらゆる橋、道路、建物、および鉄道の継続的なモニタリングが技術的に経済的に可能になり、再構成されたインフラストラクチャーは、再構成されたインフラストラクチャーから、再構成される、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、再構成、および再構成、および再構成、および再構成、および再構成、および再構成、および再構成、および再構成、および再構成、および、および再構成、および再構成、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および

これらの技術が成熟したように、ハイパースペクトルイメージングは、専門的な研究ツールから、土木工学ツールボックスの標準的なコンポーネントに移動します。リアルタイム分析、コンパクトなハードウェア、および堅牢な機械学習モデルの統合は、すでに有形な利点を実証しています。検査コストを削減し、欠陥の早期検出、および世界的な老化インフラの安全性を向上させる。今後10年間は、真のインテリジェントなインフラストラクチャーヘルスモニタリングのビジョンを現実に変えることを約束します。