New Developments in Multi-Sensor Condition Assessment Using LiDAR, Sonar, and CCTV
Notice bibliographique
Résumé
This paper describes the development and successful applications of a closed circuit television (CCTV), LiDAR (Light + radar) and sonar based pipe inspection system that is robust to gather quantitative data for critical underground pipe condition assessment. The system that can be deployed on a ROV or on a float produces accurate cross-sectional analysis and sediment volume. This capacity is increasingly critical in large diameter pipes with high level of flow. The system employs a time of flight LIDAR that is sub cm accurate. Results from recent projects are discussed in detail. The North Surrey Interceptor in Surrey, British Columbia, Canada, is a critical line in the municipality’s wastewater system. This reinforced concrete box culvert is 1500 mm × 1750 mm, and often operates at full capacity. The owner has experienced failures on this pipe, and it was recently rehabilitated. The sonar results provided accurate sediment volumes and cross sectional restrictions. This information was used to infer the location of defects and gather the necessary information for a subsequent pipe penetrating radar (PPR) deployment. The TEES Tunnel in Tolo Harbor, Hong Kong, is a 7-km long, 3.18-m diameter reinforced concrete sewer tunnel. It has been in service for 15 years and was in need of a quantitative condition assessment. Due to safety concerns man entry was not an option. A long-range multi-sensor robot was deployed to traverse 1 km from both access portals and to gather CCTV and LiDAR data. Due to limits to flow diversion the project had to be completed in a 24 hr time frame. The CCTV and LiDAR data revealed quantitative information on the condition of this critical tunnel. Advanced pipe condition assessment technologies, such as the CCTV, LiDAR and sonar system described in this paper are cost-effective, non-destructive methods that are able to help better refine estimated remaining life of an interceptor, accurately determine overall severity of pipe degradation, as well as provide a basis for improved cost allocation and timing of rehabilitation efforts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».