Smart and Automated Sewer Pipeline Defect Detection and Classification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Currently, the condition of a sewer pipe is assessed by an inspector monitoring live video supplied from a remotely controlled closed-circuit television (CCTV) camera. As the inspector guides the video camera through the pipe, she/he will look for different types of defects/anomalies, including structural, operational, construction features, and miscellaneous defects. Based on the National Association for Sewer Service Companies (NASSCO) standard, there are 224 different defects/sub-defects which can occur within a given inspection. Given the significant number of defects/sub-defects, assigning defect codes and their corresponding severities is prone to subjectivity and hence may impact the overall accuracy of the inspection interpretations. Inaccurate interpretations could mislead decision makers while selecting the proper intervention actions to sustain critical sewers. In an effort to speed up the overall inspection process and enhance the interpretation accuracy, this research aims at utilizing artificial intelligence and computer vision tools to detect and classify defects in accordance with existing standards; this research is a continuation of AECOM X Google Hack-a-thon’s proof of concept application. The smart and automated tool relies on enormous data obtained from the City of Toronto, multiyear program to build a reliable database. The initial results of the prototype showed promising detection and classification capabilities of defects and sub-defects including circumferential crack (CC), longitudinal fracture (FL), encrustation attached deposits (DAE), tab break-in (TB), tab break-in intruding (TBI), and obstruction intruding (OBI). The average accuracy achieved for the six anomalies was 85% where the maximum and minimum accuracy levels were 94% and 75%. This tool, once completed, will elevate the sewer inspection process by speeding up the inspection validation, enhancing accuracy, and maintaining consistency, thereby assisting in making proper decisions when selecting the required intervention actions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle