Výzkumníci se nejprve zaměřili na přípravu a čištění dat, návrh robustních architektur neuronových sítí a jejich testování v reálném provozu. Na vývoji a implementaci modelů se přímo podíleli Dominik Vilímek, Boris Pustějovský, Robert Šamárek a Ondřej Svoboda. Modely prověřili v různých světelných podmínkách, při pohybu kamer a na široké škále typů defektů. Výsledky byly validovány podle standardů AI-MATTERS, což znamená splnění přísných kritérií pro kvalitu i průmyslovou použitelnost.
„Dokázali jsme, že naše algoritmy mohou spolehlivě fungovat i mimo laboratorní podmínky. Díky validaci v rámci AI-MATTERS jsme získali jistotu, že výsledky mají praktickou hodnotu,“ vysvětluje Radek Martinek, vedoucí Signal Lab.
První fáze přinesla detailní testovací reporty dokumentující přesnost a robustnost algoritmů, které slouží jako podklady pro rozhodování o dalším nasazení technologie.
Na tyto výsledky navazuje nový projekt, který se zaměří na systematické srovnání výkonu tří vybraných modelů neuronových sítí, jejich výpočetní náročnost a možnosti optimalizace pro různé hardwarové platformy. „Budeme hodnotit nejen přesnost detekce, ale také rychlost a propustnost při nasazení v cloudu. Musíme zjistit, jestli model poběží efektivně na GPU serverech, nebo zda ho dokážeme zprovoznit i na méně výkonném hardware,“ dodává Martinek.
Dalším krokem je parametrizace detekovaných defektů. To znamená, že algoritmus nebude pouze hlásit výskyt trhliny, ale také automaticky měřit její délku, šířku či plochu. Informace jsou zásadní pro plánování oprav a prediktivní údržbu infrastruktury. Zároveň se tým zaměří na ověření cloudové infrastruktury a API, aby bylo možné výsledky snadno integrovat do průmyslových systémů.
Projekt Futtec je financován v programu Digital Europe Programme (DEP) a je součástí evropské sítě AI-MATTERS (AI MAnufacturing Testing and ExperimenTation network For EuRopean industrieS). Jeho výsledky mohou přispět nejen k efektivnější správě a opravám vozovek, ale i k širšímu využití AI v průmyslu a logistice.
