Skip to main content
Communiqué de presse

NOUVELLE RECHERCHE : Dans le métro, ce système automatisé pourrait réduire les réparations et le temps consacré aux inspections

Une doctorante de Concordia utilise des algorithmes de traitement de l’image pour déceler les dommages au béton avec une plus grande exactitude

Montréal, le 11 septembre, 2017 - Les responsables des infrastructures urbaines et les ingénieurs civils disposent maintenant d’un meilleur outil pour déceler et évaluer les dommages aux éléments de structure des réseaux de métro, grâce au Département de génie du bâtiment, civil et environnemental de l’Université Concordia.

La doctorante Thikra Dawood, en collaboration avec le professeur Tarek Zayed et le professeur adjoint Zhenhua Zhu, a mis au point un modèle intégré de détection et d’évaluation quantitative de l’effritement. Ce type de défaut observé à la surface des infrastructures en béton est sérieux. Non corrigé, il peut en effet compromettre l’intégrité d’une structure et entraîner son écroulement. La nouvelle recherche fait l’objet d’un article publié récemment dans Automation in Construction.

Intégrant photographie numérique, techniques de traitement de l’image et apprentissage assisté par ordinateur, le modèle automatise largement le processus d’évaluation in situ des dégâts d’effritement. Jugée plus objective et uniforme, cette démarche pourrait constituer une solution de remplacement aux techniques visuelles généralement employées par les inspecteurs.

Des techniques qui, selon les études, exigent temps et main-d’œuvre, coûtent cher et sont sujettes à erreur.

Évaluer les dommages, une tâche subjective

Un signe avant-coureur de l’effritement, phénomène ordinairement causé par l’infiltration d’eau, est l’écaillage en surface. Or, il existe une corrélation entre la profondeur de l’écaillage et la gravité du défaut de la structure, mais un diagnostic est difficile à poser par de seuls moyens visuels.

« L’effritement est le plus souvent décelé à l’aide de techniques d’inspection visuelles, mais celles-ci ne sont pas fiables, car elles n’offrent pas l’exactitude voulue », affirme Mme Dawood, auteure principale de l’article.

« Si vous envoyez deux inspecteurs examiner le même élément de structure, il est probable que leurs mesures des dommages ne concorderont pas. C’est qu’ils utilisent des méthodes subjectives où interviennent savoir et expérience. De plus, certains emplacements étant inaccessibles, les inspecteurs devront se fier à des estimations. »

Or, la modélisation intégrée que Thikra Dawood voudrait substituer à l’inspection visuelle propose un processus simple, se déroulant en trois temps.

D’abord, la prise d’une photo numérique de la zone d’effritement.

Ensuite, le transfert de cette photo sur un ordinateur, où on la soumet à des filtres et à des algorithmes de traitement de l’image pour en éliminer le bruit parasite et bien dégager l’anomalie par rapport au fond de l’image.

Enfin, l’information rehaussée tirée de l’image est saisie dans un modèle de régression, puis développée à l’aide du langage de programmation MATLAB.

« À cette étape, nous sommes en mesure de connaître la longueur et la profondeur de la défectuosité, ce qui nous permet d’en établir un modèle tridimensionnel réaliste. »

Essais menés dans le métro de Montréal

Pour mettre son modèle en application, Thikra Dawood a obtenu auprès de la Société de transport de Montréal (STM) l’autorisation d’étudier le réseau de métro de la ville. Elle a surtout travaillé dans une station très congestionnée de la ligne orange présentant diverses traces de détérioration en surface.

Au petit matin, à l’aide d’un appareil-photo à haute résolution, la doctorante a pris 75 images de diverses zones d’effritement dans la station. Elle a ensuite mesuré la profondeur exacte des cavités au moyen d’un mètre ruban et d’une plaque d’acier.

En posant la plaque sur une zone d’effritement, elle pouvait utiliser le mètre ruban pour mesurer la profondeur de chaque section des cavités.

Par la suite, Mme Dawood a conçu des algorithmes pour traiter les images. Elle a également élaboré une analyse de régression pour comparer les degrés d’intensité des pixels sur les images affinées avec les profondeurs réelles des anomalies qu’elle avait consignées. Elle s’est alors servie de ces données pour trouver un modèle susceptible de prédire correctement la profondeur des dommages dans les zones d’effritement.

Enfin, elle a validé la capacité de détection des algorithmes photo pour les 75 images. Résultat : un taux de rappel de 91,7 pour cent, un degré de précision de 94,8 pour cent et une exactitude globale de 89,3 pour cent. Par ailleurs, son analyse de régression lui a permis de quantifier la profondeur des effritements de manière satisfaisante, avec un taux de validation moyen de 93 pour cent.

« L’automatisation réduira grandement les travaux inutiles »

Aux yeux de Thikra Dawood, son modèle ouvre la voie à une plus grande automatisation des techniques d’inspection des infrastructures du métro.

« Tout évolue si vite de nos jours, observe-t-elle. Je crois que, de notre vivant, nous verrons l’automatisation réduire grandement les interventions inutiles. C’est la voie de l’avenir. »

Mme Dawood a déjà employé son modèle pour évaluer d’autres types d’anomalies de surface, comme les fissurations et les marques d’humidité. À terme, elle entend mettre au point un modèle générique d’évaluation de l’état des structures du réseau de métro.

Déjà, son système de modélisation suscite un vif intérêt de la part des responsables de la STM.

« Ce serait merveilleux de les voir l’adopter », conclut-elle.

Lire l’étude citée (en anglais).


Source




Retour en haut de page

© Université Concordia