PANORAMO

Les informations actuelles

Actualités, événements, offres d'emploi

 

L'intelligence artificielle au service de l’inspection des canalisations d’eaux usées

La société IBAK Helmut Hunger GmbH & Co. KG met au point un logiciel qui décharge l’inspecteur de la saisie des données d’inspection. Le gros potentiel est apporté par l’intelligence artificielle (IA) du logiciel, qui doit permettre l’identification automatique d’état et d’évènements standard dans la canalisation. IBAK enregistre déjà des progrès remarquables dans le développement du projet d’IA complexe.

(Cet article  a été publié dans une revue allemande spécialisée.)

1. Les types d’intelligence artificielle
Les systèmes d’IA peuvent être classés en IA faible ou forte. L’IA faible («weak» ou «narrow» AI) est un système d’IA développé et entraîné pour une tâche définie. Les assistants personnels virtuels, comme Siri d’Apple, sont des applications d’IA faible. IBAK aussi travaille avec ce type de systèmes d’IA faible. Concernant le développement du logiciel ArtIST (Artificial Intelligence Software Tool), il ne s’agit pas de projections fantaisistes dans un lointain avenir, mais d'un cas d’application d’IA concret destiné au secteur des canalisations. « Le cœur de l'intelligence artificielle consiste à traiter de grands volumes de données de manière autonome, d’identifier des schémas et, sur cette base, de prendre des décisions et/ou faire des prévisions en toute autonomie ».1 Du point de vue du secteur des canalisations, l’identification d’état et d’événements standard dans la canalisation constitue une tâche récurrente concrète.

2. Le besoin dans le secteur des canalisations
La longueur des seules canalisations publiques est estimée à plus de 594 000 km en Allemagne.2 En outre, les réseaux de canalisations publics représentent souvent les plus grands actifs fixes d'une commune. Le besoin de main-d’œuvre pour l’inspection régulière de ces valeurs souterraines est grand et le personnel qualifié se fait rare. Le secteur a donc besoin de faire face à ce défi au moyen d'un système auto-apprenant.

L’objectif du logiciel ArtIST, développé par IBAK, est de décharger l’inspecteur des canalisations de la saisie des données d'inspection, par l’identification automatique d’événements standard dans la canalisation. Grâce à cette assistance lors d’évaluations de routine, l’inspecteur peut mieux cibler les analyses de dommages. Pour son vaste travail, on peut s’attendre à un gain de temps énorme avec une qualité très élevée des résultats obtenus.

3. Les données influencent la qualité
Pour pouvoir développer des applications assistées par l’IA, des données sont nécessaires pour les tests et l’apprentissage des algorithmes.3 Depuis plus de 15 ans, le système de caméra d’IBAK PANORAMO permet de collecter des données d'inspection de canalisations. Pour le logiciel d’IA, cette technologie de caméra sur 360° délivre des données d'images optimales, car une capture sur 100 % des vues intérieures des canalisations est disponible. La technologie de balayage ultraperformante assure ainsi des données de base exhaustives, car un oubli dans le sens d’un « non-enregistrement » de sections de canalisations importantes, est exclu. Une partie des nombreuses données de la PANORAMO, analysées depuis 2002, ont été et sont encore utilisées pour « l’apprentissage » du logiciel d’IA.

Plus que la quantité de données, c’est leur qualité, et surtout le contexte adéquat des données qui importent.4 Pour rendre les données d'images « précieuses », elles doivent être enrichies d’autres informations. Il faut des évaluations et des décisions qui peuvent être identifiées dans une quantité de données, à l’aide de l’apprentissage automatique, comme des schémas ou des lois. La qualité du logiciel d’IA dépend essentiellement des données qui servent à alimenter le système d’IA. Si des informations lacunaires ou incohérentes lui sont délivrées, il apprendra à effectuer des évaluations erronées.

4. L’apprentissage surveillé
En tant que pionnier et fondateur du secteur de l’inspection des canalisations, IBAK dispose du savoir-faire pour assurer la qualité des données à l’étape décisive du développement de « l’apprentissage surveillé ». Les développeurs d’IA chez IBAK sont formés de manière ciblée à la thématique de l’inspection des canalisations et participent régulièrement à de la formation continue et à des conférences internationales spécialisées. Sur la base de décennies d’expériences étendues d’IBAK dans l’inspection des canalisations et de formations spécifiques du personnel informatique, les données entrantes sont contrôlées. De plus, les données sont vérifiées en externe dans des contre-essais. Ainsi, la qualité des données est évaluée en permanence par des spécialistes qui ne les ont pas collectées. De cette manière, on garantit la qualité durable et objective des résultats, visée avec le logiciel IBAK-ArtIST.

Chez IBAK, une équipe de 6 développeurs se charge du projet d’IA. L’équipe d’IA est renforcée par 9 collaborateurs qui effectuent les annotations, à savoir l’attribution des informations à une image. Cette tâche occupe environ 80 pour cent du temps sur un projet d’IA.5 Pour ArtIST, des clichés de la PANORAMO évalués servent en premier lieu d’images d'illustration. Celles-ci sont classées avec le sigle correspondant, selon la norme européenne NF EN 13508-26. Cette norme englobe un système de codage pour la description des observations possibles durant l’inspection visuelle à l’intérieur de canalisations d’eaux usées et de canaux. Des signes définis permettent de décrire les différents types de dommages et les images d’illustration sont prescrites comme bonnes réponses. De cette manière, le programme apprend à quoi ressemblent les raccords, les fissures, les inclusions de racines et autres dommages. Si un nouveau film d’inspection est ensuite présenté au logiciel d’IA, il peut l’analyser sur la base du schéma appris.

5. Une grande valeur ajoutée avec une focalisation sur l’essentiel
Pour le développement de l’AI, IBAK a d’ores et déjà analysé et traité plusieurs centaines de kilomètres du réseau de canalisations. Ce faisant, l’apprentissage a porté de manière intensive sur les raccordements, les joints (déplacement d’assemblage) et les fissures. Ainsi, IBAK s’est concentré d’abord sur les appréciations d’état rencontrées le plus souvent par un inspecteur lors de la saisie de données d'inspection. Une saisie automatique des appréciations d’état mentionnées contribue considérablement à le décharger, comme illustré ci-après.

Dans une enquête de la DWA (association allemande de gestion de l’eau), une image représentative de l’état de la canalisation en Allemagne a été déterminée.7 Il ressort que les défauts « branchements pénétrants ou raccordement défectueux » apparaissent le plus fréquemment avec 21 % des dommages affectant les canalisations et les canaux d’eaux usées. Même si l’on ne tient compte alors que de la saisie des dommages, on voit déjà que les raccordements, les branchements, représentent la plus grande part des événements. L’étendue de la saisie d’un inspecteur va au-delà. Les raccordements intacts, non englobés dans l’enquête de la DWA, doivent aussi être saisis à l’inspection et sont identifiés et documentés par le logiciel ArtIST d’IBAK.

Pour déterminer le plus gros effort d'un inspecteur en proportion, outre les codes de défauts, il faut également prendre en compte les codes des données de base et de commande, telles que les points de raccordement des tuyaux et les raccordements intacts. Pour exemple, on mentionnera la répartition proportionnelle des appréciations d’état dans la base de données des canalisations d'une ville de plus de 600 000 habitants (cf. Fig. 1). On voit que le code principal BCA (raccordement) compte à lui seul pour 52 % de toutes les appréciations d’état. En ajoutant les codes principaux BAG (branchement pénétrant) et BAH (raccordement défectueux), les raccordements, branchements représentent 58 % (en bleu clair) du travail de saisie d’un inspecteur.

Grâce à l'identification automatique des raccordements à elle seule, le développement de l’IA par IBAK aide l’inspecteur sur plus de la moitié de ses indications à effectuer. Les raccordements identifiés automatiquement par l’IA d’IBAK (BCA) sont alors entièrement codés selon la norme NF EN13508, avec code principal et caractérisation. Les joints (déplacement d’assemblage) identifiés automatiquement (BAJ) avec la caractérisation B et C s’affichent avec leur sigle complet, leur position (heure) et leur quantification.

 

Si l’on inclut en plus les codes de dommages, de données de base et de commande, déjà pris en compte par IBAK, l’apprentissage du logiciel d’IA traite déjà 80 % environ du volume de saisie d’un inspecteur.8

Avec les appréciations d’état apprises, IBAK enregistre des taux de réussite élevés. Que ce soit les taux d’identification ou le taux des codages d’état correctement attribués, les chiffres sont en forte progression. Une énorme valeur ajoutée au travail de l’inspecteur se dessine donc déjà au stade de développement actuel de l’outil logiciel IBAK ArtIST. Et le système apprend de nouvelles données tous les jours. Il lui faudra d’autres apprentissages pour distinguer les images de dommages complexes et pour inclure des images de dommages qui se produisent rarement.

6. Le flux de travail
L’équipe de développement d’IBAK travaille également à l'intégration de l’assistance informatique dans les procédures de l’inspecteur. Le déroulement spécifié prévoit de d’abord saisir les données visuelles comme habituellement par balayage avec la PANORAMO. Ce film doit ensuite être chargé dans le cloud d’ArtIST, via le logiciel d’analyse des canalisations IKAS evolution. Cette infrastructure IT doit être rendue accessible par Internet. Un espace de stockage suffisant, la puissance de calcul nécessaire, ainsi que l'outil ArtIST doivent y être mis à disposition. Ce dernier génère un modèle de rapport d’inspection. Ce modèle de rapport conforme au codage d’état DWA M-149-29 doit ensuite être retourné du cloud d’ArtIST dans IKAS evolution. L’inspecteur le retrouve sous la forme d’une liste de stations, de ce fait remplie d’états. L’inspecteur peut alors vérifier les états listés et les compléter si besoin.

7. Perspectives
Les explications ont montré qu’une saisie automatique des appréciations d’état les plus fréquentes peut contribuer énormément à décharger l’inspecteur. IBAK s’est d’abord concentré dessus dans le développement de l’IA : L’apprentissage effectué couvre environ 80 % des saisies d’événements standard qu’un inspecteur exécute régulièrement en secteur urbain. L’objectif est de ne pas se limiter au code principal, mais d’indiquer les appréciations d’état dans leur intégralité, avec les caractérisations et les quantifications correspondantes.

Même si l’inspecteur n’exécute plus lui-même dans une première étape les indications les plus fréquentes, mais qu’il n’a plus qu’à les contrôler, on obtient déjà une valeur ajoutée grâce un rendement accru. Au stade de développement actuel, IBAK commence les premiers tests pratiques et les utilisations pilotes. Parallèlement, la « phase d’apprentissage surveillée » se poursuit, afin de garantir les taux de réussite et d'intégrer d’autres images de dommages complexes. Enfin, des images de défauts rares doivent être apprises.

Depuis le début du développement de l’IA, IBAK a diverses applications en vue, qui pourront s’avérer utiles à l’avenir lors de l’inspection de canalisations. Pour en créer déjà la base, IBAK travaille avec un modèle d’IA flexible qui est entraîné avec soin et précision. Toutes les applications futures seront basées sur le stade de développement alors atteint. Le système d’IA n’aura plus qu’à appendre ce qu’il ne sait pas encore. Ainsi, les expériences avec les données de la PANORAMO serviront à l’apprentissage, même si IBAK étend le système d’IA avec des données MPEG. Pour l’extension du système d’IA à l’évaluation de données vidéo générées avec une caméra à tête orientable, des préparatifs sont déjà en cours pour faire avancer un développement efficace.
Le pionnier du secteur des canalisations a ainsi créé tous les prérequis pour rendre utile au secteur cette technologie clé innovante.

----------------------------------------

  1. Kreutzer, R. T./ Sirrenberg, M. (2019): Understanding Artificial Intelligence: Fundamentals, Use Cases and Methods for a Corporate AI Journey, Springer Gabler, p. 9
  2. de.statista.com/statistik/daten/studie/152743/umfrage/laenge-des-kanalnetzes-in-deutschland-im-jahr-2007/ (Survey on length of sewers)
  3. Simon, W. (2019): Künstliche Intelligenz. Was man wissen muss. Was kann sie? Wie funktioniert sie? Was sind die Folgen?, BoD, Norderstedt, p. 67 (Artificial Intelligence - what you need to know)
  4. German Federal Ministry for Economic Affairs and Energy, BMWi (2019): Technologieszenario 'Künstliche Intelligenz in der Industrie 4.0' , p. 22 (Artificial Intelligence in Industry)
  5. Simon, W. (2019): Künstliche Intelligenz. Was man wissen muss. Was kann sie? Wie funktioniert sie? Was sind die Folgen?, BoD, Norderstedt, p. 60 (Artificial Intelligence – what you need to know)
  6. Remarque de la rédaction : « classées » est utilisé ici dans le contexte du traitement des données. Les termes « évaluation » et « classification » dans le secteur des canalisations servent à l’appréciation des résultats de l’inspection visuelle concernant un besoin d’action, qui est généralement une prestation de génie civil.
  7. Cf.. C. Berger, C. Falk, F. Hetzel, J. Pinnekamp, S. Roder, J. Ruppelt: 'State of the Sewer System in Germany – Results of the DWA survey 2015'  Korrespondenz Abwasser, Abfall 2016 (63) Nr. 6
  8. 86,13 % si l’on fait la somme des parts liées aux raccords (BCA, BAG, BAH) : 57,66 % ; fissures (BAB) : 8,88 % ; joints (BAJ, connexions déplacées) : 1,52 % ; points de raccordement des tuyaux (BCD, BCE) : 18,13 %
  9. Le codage d’état peut varier en fonction des prescriptions du projet.