Platformoje naudojami specialūs vaizdų atpažinimo algoritmai, leidžiantys aptikti struktūrinius pažeidimus ir pateikti prevencinės priežiūros rekomendacijas. Integruota su „Google“ ir „Outlook“ kalendoriais, ji leidžia sudaryti individualizuotus techninės priežiūros grafikus, užtikrinančius savalaikį remontą. Sistema siekiama užkirsti kelią pastatų būklės blogėjimui ir sumažinti brangiai kainuojančius restauravimo darbus. 

Kontekstas

Kultūros paveldo išsaugojimas yra itin svarbus iššūkis, nes Lietuvoje yra daugiau nei 26 000 istorinių pastatų, kuriems reikia nuolatinės priežiūros. Daugelis šių statinių yra svarbūs šalies kultūriniam identitetui, tačiau juos veikia aplinkos veiksniai ir medžiagų senėjimas. „Fixus Mobilis“ atlieka itin svarbų vaidmenį prevencinėje priežiūroje, tačiau pasiekiamumas yra ribotas. Per metus tik trys mobiliosios komandos aplanko 70 pastatų, todėl kai kurie paveldo objektai išlieka pažeidžiami. Atliekant patikrinimus rankiniu būdu, dažnai galima nepastebėti ankstyvųjų žalos požymių, dėl to gali tekti atlikti brangiai kainuojantį restauravimą arba negrįžtamai prarasti pastatus. Kad išspręstų šiuos apribojimus, „Fixus Mobilis“ reikėjo keičiamo, technologijomis pagrįsto sprendimo, kuris padėtų padidinti prevencinės priežiūros pastangų mastą.

Sprendimas

Sukūrėme dirbtiniu intelektu valdomą platformą, skirtą modernizuoti istorinių pastatų tikrinimo ir priežiūros procesą. Šiame sprendime naudojamas pažangus vaizdų atpažinimas, kad analizuojant naudotojų įkeltas nuotraukas būtų galima aptikti struktūrinius pažeidimus, pavyzdžiui, įtrūkimus, puvinį ir pelėsį. Aptikus žalą, sistema pateikia išsamias ataskaitas, kuriose siūlomi prevenciniai techninės priežiūros veiksmai. Be to, platforma integruojama su „Google“ ir „Outlook“ kalendoriais, sudaro pritaikytus techninės priežiūros tvarkaraščius ir priminimus, taip užtikrinant savalaikį remontą ir sumažinant tolesnio gedimo riziką.

Įgyvendinimo etapai

1. Duomenų rinkimas ir parengimas:

Pradiniame etape reikėjo surinkti ir anotuoti daugiau kaip 5 000 istorinių pastatų nuotraukų. Šis duomenų rinkinys tapo pagrindu mokant dirbtinio intelekto modelius atpažinti įvairių architektūros stilių pažeidimus.

2. Dirbtinio intelekto kūrimas:

Sukurti konvoliuciniai neuroniniai tinklai, skirti atpažinti įvairias pažeidimų formas, pavyzdžiui, tinko įtrūkimus ir medienos puvinį, iš naudotojų pateiktų vaizdų. Natūraliosios kalbos apdorojimo sprendimai buvo naudojami tekstinėms rekomendacijoms dėl aptiktų pažeidimų šalinimo generuoti.

3. Integravimas ir testavimas:

Sistema buvo integruota į interneto svetainę, kad naudotojai galėtų sklandžiai naudotis priemone. Atliekant beta testavimą buvo gaunami naudotojų atsiliepimai, kad būtų patobulinti ir vaizdų atpažinimo algoritmai, ir naudotojo sąsaja, užtikrinant sklandų veikimą.

4. Prototipo kūrimas ir iteracija:

Remiantis beta bandymais, buvo atliekami nuolatiniai patobulinimai, įskaitant didesnį aptikimo tikslumą ir patogesnius techninės priežiūros planus. Siekiant užtikrinti veiksmingus priminimus ir užduočių planavimą, buvo patobulintos kalendoriaus integravimo funkcijos.

Rezultatai

Naudotis virtualiu Fixus Mobilis prototipu yra paprasta ir intuityvu. Vartotojai pradeda įvesdami savo pastato duomenis, pavyzdžiui, statybos metus ir medžiagas.