Projekt
Organizacja i nazwa firmy
La Société Wallonne des Eaux
Głęboka sieć neuronowa na siatce rzeczywistości 3D do wykrywania pęknięć w zbiornikach wody
Image Credit: La Société Wallonne des Eaux
Projekt
Organizacja i nazwa firmy
La Société Wallonne des Eaux
Głęboka sieć neuronowa na siatce rzeczywistości 3D do wykrywania pęknięć w zbiornikach wody
Image Credit: La Société Wallonne des Eaux
Kategoria konkursu
Geospatial and reality modeling,Surveying and monitoring
Lokalizacja
Juprelle, Liège, Belgia
Wykorzystane oprogramowanie Bentley
ContextCapture, ContextCapture Insights, MicroStation, Pointools
Podsumowanie projektu
Regionalne przedsiębiorstwo wodociągowe Société Wallonne des Eaux jest właścicielem i operatorem 50-metrowej wieży ciśnień o pojemności 500 m3 w Juprelle w Belgii. Poprzednie pomiary wykazały uszkodzenia wieży, więc zrobiono zdjęcia naziemne w celu określenia prac remontowych, jednak pominięto najbardziej znaczące defekty. W tej sytuacji, żeby udoskonalić metody i uzyskać bardziej wnikliwą ocenę stanu wieży ciśnień, należało zastosować fotogrametrię, uczenie maszynowe i technologię modelowania 3D. Do przetworzenia ponad 3000 obrazów i wygenerowania cyfrowego bliźniaka wieży w celu wizualizacji całej konstrukcji i oceny uszkodzeń wybrano ContextCapture Insights. Wykorzystując uczenie maszynowe na cyfrowym bliźniaku, zautomatyzowano dokładną identyfikację i kwantyfikację rozmiaru pęknięć oraz określono optymalne działania naprawcze. Ten cyfrowy proces skrócił czas pomiarów i modelowania oraz obniżył koszty. Cyfrowy bliźniak został ukończony w ciągu jednego dnia, umożliwiając szybką ocenę i opracowanie planu naprawczego w celu zapewnienia niezawodnego zaopatrzenia w wodę.