Tisíce kilometrů silnic, jen hrstka údržbářských týmů a žádný spolehlivý automatizovaný způsob, jak najít ta nejhorší poškození. Skrze AI-MATTERS TEF Ostrava prošlo české řešení pro detekci defektů vozovek založené na umělé inteligenci přísným experimentálním testováním. A výsledky zpochybňují status quo.
Představte si, že jedete dodávkou vybavenou běžnou palubní kamerou. Během jízdy systém umělé inteligence tiše analyzuje obraz, v reálném čase rozpoznává výmoly, odvodňovací kanály a kanalizační mříže a každý z nich označuje GPS souřadnicemi, skóre spolehlivosti a strukturovaným záznamem v databázi. Bez manuální kontroly. Bez hodin strávených přehráváním záznamů.
Tento systém vyvinula laboratoř Signal Lab z VŠB – Technické univerzity Ostrava a v současnosti je experimentálně testován v rámci projektu AI-MATTERS v rámci českého uzlu v Ostravě, v úzké spolupráci se společností FUTTEC, která působí v oblasti údržby silniční infrastruktury.
Problém, na který komerční nástroje nestačí
Správci silnic napříč Evropou čelí stejné frustraci – stávající komerční nástroje umělé inteligence pro automatickou kontrolu povrchu vozovek slibují mnohé, ale ve skutečnosti detekují jen minimum. Otázkou není, zda umělá inteligence dokáže odhalit závady na silnicích, ale zda to zvládne dostatečně spolehlivě, aby mohla nahradit nebo smysluplně doplnit manuální kontrolu.
Aby na tuto otázku zvládl odpovědět, navrhl ostravský tým přímé srovnávací testování.
Pět metod, tisíce hodin videí
K porovnání pěti přístupů byla použita standardizovaná testovací sada 50 silničních scén s potvrzenými defekty.
| Metoda | Detekované závady | Úspěšnost detekce |
| Manuální kontrola (lidská referenční hodnota) | 44 / 50 | 88 % |
| Komerční řešení 1 | 8 / 50 | 16 % |
| Komerční řešení 2 | 9 / 41* | 22 % |
| AI-MATTERS TEF kandidátní model 1 | 43 / 50 | 86 % |
| AI-MATTERS TEF kandidátní model 2 | 45 / 50 | 90 % |
Výsledky byly zásadní. Dva kandidátní modely vyvinuté a testované v rámci projektu AI-MATTERS nejenže dosáhly srovnatelných výsledků jako v případě manuální kontroly, ale nejlepší model ji dokonce překonal. Odhalil totiž 90 % defektů oproti 88 % u vyškolených lidských inspektorů. Naproti tomu obě komerční řešení rozpoznala méně než čtvrtinu vzorků.
„Tato čísla potvrdila náš předpoklad, že univerzální komerční nástroje nejsou navrženy pro specifické podmínky středoevropských silničních sítí. Naše modely, trénované na reálných datech z českých silnic a využívající pokročilé architektury, jako je RT-DETR s hybridním přiřazováním při tréninku, jsou pro tento úkol vytvořeny na míru,“ říká Dominik Vilímek z VŠB – Technické univerzity Ostrava.
Měření poškození nad rámec detekce
Detekce výmolů je pouze prvním krokem. Skutečná hodnota pro správce silnic spočívá v tom, že vědí, jak velké poškození je, jak rychle se zvětšuje a kdy naplánovat opravu.
Proto se druhá fáze testování v rámci projektu AI-MATTERS zaměřuje na parametrizaci defektů, která automaticky vypočítává geometrické charakteristiky, jako jsou délka, šířka a plocha, přímo z výstupu modelu. Tým rovněž experimentuje s difuzními generativními modely umělé inteligence, aby vytvářel bohatší reprezentace defektů, zvládal šum nebo neúplná data a podporoval navazující úlohy, například plánování prediktivní údržby.
„Posouváme se od sdělení ‚tam je výmol‘ k informaci ,zde je defekt o rozměrech 38 × 22 cm, který se od posledního průzkumu zvětšil o 15 %‘. A to je přesně ten typ dat, který plánovač údržby skutečně potřebuje,“ doplňuje Vašek Mlynářík ze společnosti FUTTEC.
Testování napříč hardwarovými profily
Průmyslové nasazení znamená provoz na jakémkoli dostupném hardwaru, od cloudových serverů s GPU až po okrajová zařízení s pouhým CPU umístěná v servisních vozidlech. Testovací program od AI-MATTERS TEF Ostrava systematicky porovnává jednotlivé modely na různých hardwarových konfiguracích a měří latenci, propustnost i využití zdrojů. Cílem jsou jasná doporučení pro nasazení odpovídající reálným provozním omezením.
Třetí fáze testování ověřuje kompletní integrační vrstvu (kontejnerizaci pomocí Dockeru, výkon API, zátěžové testy a základní bezpečnostní kontroly) a zajišťuje, že řešení je nejen přesné, ale také připravené k produkčnímu nasazení.
Co to znamená pro evropský průmysl?
Testovací infrastruktura AI-MATTERS umožnila něco, co většina malých a středních podniků nezvládne sama – přísné, standardizované a hardwarově rozmanité porovnání modelů umělé inteligence s komerčními alternativami i lidskými referenčními hodnotami. Výsledky byly zdokumentovány ve validačních zprávách v souladu se standardy AI TEF Manufacturing, což umožňuje jejich opakované použití a přenositelnost mezi různými silničními sítěmi a provozními prostředími.
Pro společnost FUTTEC a jí podobné firmy to znamená přístup k umělé inteligenci, která skutečně funguje – je otestovaná, ověřená a připravená k nasazení.