Комплекс программных модулей для контроля технического состояния зданий и сооружений на опасных производственных объектах

В статье описан программный инструмент для системы мониторинга и оценки технического состояния зданий, сооружений и территорий опасных производственных объектов с использованием беспилотных воздушных судов, построенный на основе модульного принципа. Программный инструмент содержит специализированные модули для исследования изображений элементов опасных производственных объектов, полученных с камеры беспилотного летательного аппарата мультироторного типа, с целью распознавания разрушений, использование которого эффективно при принятии экспертных решений. В основе модулей, входящих в программный комплекс, лежит обработка изображений на основе алгоритмов фрагментации, сегментации и распознавания на основе статистических свойств изображений, искусственных нейронных сетей и мультипороговой обработки изображений, а также алгоритмов сравнения с шаблонами найденных объектов. Разработанное программное обеспечение выполняет автоматизированную обработку изображений в потоковом режиме и позволяет организовать хранение ретроспективной информации для принятия решений о мероприятиях, позволяющих поддерживать опасные производственные объекты в работоспособном состоянии. Отличительными особенностями разработанного программного обеспечения являются: информативность, адаптивность и массовость при обработке изображений промышленных объектов. Представленное в статье программное обеспечение обуславливает выполнение новых требований о получении информации в автоматизированной системе мониторинга за техническим состоянием опасных производственных объектов.
В статье приведены примеры обработки различных изображений. На этих изображениях присутствуют разрушения межпанельных швов зданий; трещины на кирпичной кладке; дефекты лакокрасочного покрытия и коррозии металла; разрушения дорожного покрытия; объекты, покрытые обледенениями; провалы на кровле объектов и недостающие элементы зданий и сооружений, а также изображения с  наличием мусора. Результаты исследования подтверждают работоспособность программного инструмента и необходимость его внедрения для контроля состояния зданий, сооружений и территорий промышленного предприятия.

Бардышев О. А., Бардышев А. О. Роль экспертных организаций в обеспечении промыш-ленной безопасности. Вестник МАНЭБ, 2018, т. 23, № 3. с. 6–10. EDN: VKFFJK
Bardyshev O. A., Bardyshev A. O. The roles of expert organisations at securing industrial safety. Vestnik IAELPS, 2018, vol. 23, no. 3, pp. 6–10. (In Russ.) EDN: VKFFJK

Кабанова В. В., Логунова О. С., Наркевич М. Ю., Корниенко В. Д. Программное обеспече-ние для автоматизированного обнаружения и оценки разрушений соединительных швов зданий. Программные продукты и системы, 2023, т. 36, № 3. с. 474–485. https://doi.org/10.15827/0236-235X.142.474-485
Kabanova V. V., Logunova O. S., Narkevich M. Iu., Kornienko V. D. Software for automated detection and assessment of building seam failures. Software and systems, 2023, vol. 36, no. 3, pp. 474–485. (In Russ.) https://doi.org/10.15827/0236-235X.142.474-485

Кабанова В. В., Логунова О. С., Наркевич М. Ю., Корниенко В. Д. Разработка программ-ного модуля для обнаружения трещин на кирпичной кладке. Теплотехника и информатика в образовании, науке и производстве: сборник докладов XI Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых с международным участием. Екате-ринбург, 2023, с. 163–168.
Kabanova V. V., Logunova O. S., Narkevich M. Iu., Kornienko V. D. Development of a software module for detecting cracks on brickwork. Heat engineering and informatics in education, science and production: Proceedings of the XI All-Russian Scientific and Practical Conference for students, postgraduate students and young scientists with international participation. Ekaterinburg, 2023, pp. 163–168. (In Russ.)

Климов С. С., Ершов А. А. Обнаружение и построение профиля обледенения на крыше опасных производственных объектов. Регион искусственного интеллекта. Материалы Все-российской студенческой научной конференции. Череповец, 2022, с. 166–170.
Klimov S. S., Ershov A. A. Detection and construction of icing surface on the roof of hazardous production facilities. Artificial intelligence region. Proceedings of the All-Russian Student Scientific Conference. Cherepovets, 2022, pp. 166–170. (In Russ.)

Ковтун К. И.  Лазерное сканирование при строительстве и реконструкции зданий. Строи-тельство и образование, 2023, № 4 (5–6), с. 84–91.
Kovtun K. I.  Laser scanning in construction and reconstruction of buildings. Construction: Science and Education, 2023, no. 4 (5–6), pp. 84–91. (In Russ.)

Кудасова А. С.,  Тютина А. Д., Сокольникова Э. В. Применение беспилотных летательных аппаратов в строительстве. Инженерный вестник Дона, 2021, № 8 (80), с. 31–38.
Kudasova A. S., Tiutina A. D., Sokolnikova E. V. The use of unmanned aerial vehicles in con-struction. Engineering Journal of Don, 2021, no. 8 (80), pp. 31–38. (In Russ.)

Леденев В. В., Ярцев В. П. Обследование и мониторинг строительных конструкций зда-ний и сооружений. Тамбов: ТГТУ, 2017. 252 с.
Ledenev V. V., Iartsev V. P. Inspection and monitoring of building structures and constructions. Tambov: TGTU, 2017. 252 p. (In Russ.)

Наркевич М. Ю., Логунова О. С., Аркулис М. Б., Сагадатов А. И., Климов С. С., Кабано-ва В. В., Николаев А. А., Дерябин Д. И. Прикладная цифровая платформа для оценки динамики качества опасных производственных объектов на металлургическом предприятии: структура и алгоритмы. Вестник Череповецкого государственного университета, 2022, № 5 (110), с. 29–48. https://doi.org/10.23859/1994-0637-2022-5-110-3; EDN: ELUMKD
Narkevich M. Iu., Logunova O. S., Arkulis M. B., Sagadatov A. I., Klimov S. S., Kabano-va V. V., Nikolaev A. A., Deriabin D. I. Applied digital platform for assessing the dynamics of the quality of hazardous industrial facilities at a metallurgical enterprise: structure and algorithms. Cherepovets State University Bulletin, 2022, no. 5 (110), pp. 29–48. (In Russ.) https://doi.org/10.23859/1994-0637-2022-5-110-3; EDN: ELUMKD

Наркевич М. Ю., Логунова О. С., Злыдарев Н. В., Тюлюмов А. Н., Корниенко В. Д. Алго-ритмическое и программное обеспечение модуля идентификации типовых объектов на изоб-ражениях промышленных зданий. Электротехнические системы и комплексы, 2024, № 2 (63), с. 80–89. https://doi.org/10.18503/2311-8318-2024-2(63)-80-89;  EDN: ECNDMP
Narkevich M. Iu., Logunova O. S., Zlydarev N. V., Tiuliumov A. N., Kornienko V. D. Algo-rithmic and software module for typical objects identification in images of industrial buildings. Elec-trotechnical Systems and Complexes, 2024, no. 2 (63), pp. 80–89. (In Russ.) https://doi.org/10.18503/2311-8318-2024-2(63)-80-89; EDN: ECNDMP

Наркевич М. Ю., Логунова О. С., Корниенко В. Д., Калитаев А. Н., Суровцов М. М., Лу-ганская Д. А., Чернышева А. С. Интеллектуальная система принятия решений при оценке ка-чества зданий и сооружений на опасных производственных объектах: определение траектории движения беспилотного летательного аппарата. Вестник Магнитогорского государственного технического университета им. Г. И. Носова, 2022, Т. 20, № 1, с. 50–60. https://doi.org/10.18503/1995-2732-2022-20-1-50-60; EDN: YTCCRK
Narkevich M. Iu., Logunova O. S., Kornienko V. D., Kalitaev A. N., Surovtsov M. M., Lugan-skaia D. A., Chernysheva A. S. An intelligent decision support system for assessing the quality of buildings and structures at hazardous industrial facilities: determining the trajectory of the unmanned aircraft. Vestnik of Nosov Magnitogorsk State Technical University, 2022, vol. 20, no. 1, pp. 50–60. (In Russ.) https://doi.org/10.18503/1995-2732-2022-20-1-50-60; EDN: YTCCRK

Скрипачев В. О., Гуйда М. В., Гуйда Н. В., Жуков А. О. Исследование сверточных нейронных сетей для обнаружения объектов на аэрокосмических снимках. International Journal of Open Information Technologies, 2022, т. 10, № 7, с. 54–64. EDN: FGFJRS
Skripachev V. O., Guida M. V., Guida N. V., Zhukov A. O. Investigation of convolutional neural networks for object detection in aerospace images. International Journal of Open Information Tech-nologies, 2022, vol. 10, no. 7, pp. 54–64. (In Russ.) EDN: FGFJRS

Liu, Yahui & Yao, Jian & Lu, Xiaohu & Xie, Renping & Li, Li. DeepCrack: A deep hierarchical feature learning architecture for crack segmentation. Neurocomputing, 2019, nо. 338, рр. 139–153. https://doi.org/10.1016/j.neucom.2019.01.036

Satoshi S. Topological structural analysis of digitized binary images by border following. Com-puter Vision, Graphics, and Image processing, 1985, nо. 30, рр. 32–46.