Интегрированная модель ИИ для автоматизации инспекции сегментации и классификации дефектов поверхности в строительной области

🔎 ИИ для инспекции дефектов поверхностей: авторы статьи предлагают единую модель компьютерного зрения для задач строительного контроля: классификации дефектов, бинарного распознавания трещин и пиксельной сегментации. В основе — остаточная нейросетевая архитектура с классификационными головами и симметричной U-Net. Модель обучалась с нуля, без предобученных весов, на публичных наборах Kaggle: Magnetic-Tile Defect, DeepPCB, DBCC bridge cracks и CrackForest. Для борьбы с дисбалансом классов использованы взвешенные функции потерь, Dice и сглаживание меток. Научная новизна — в попытке собрать разные форматы инспекционных задач в один конвейер без предобучения. По DeepPCB заявлен F1-score 0,9945, но сами авторы отмечают ограничение: масштаб и качество данных влияют сильнее архитектуры. Дальше нужны проверки на разных разбиениях и с предобученными моделями.