Tartu Ülikooli arvutiteaduse instituudi teadlased arendavad koostöös ettevõtte GScaniga tehisintellektil põhinevaid meetodeid, mis võimaldavad müüontomograafia abil kogutud andmete põhjal täpsemalt määrata suurte objektide, näiteks ehitiste, sisemust ja asukohta. Müüonid on kosmilised osakesed, mis läbivad tihedaid materjale ning nende liikumise jälgimine aitab uurida objektide sisemust ilma neid avamata. Teadlased on välja töötanud masinõppemudeleid, mis analüüsivad nii otse läbi liikuvate kui ka trajektoori muutvate müüonite andmeid, parandades seeläbi objektide tuvastamise täpsust. Lisaks arendatakse meetodeid erinevate materjalide eristamiseks, mis võiks tulevikus aidata ehitiste seisukorra hindamisel ja ohtlike materjalide tuvastamisel. Tehnoloogia täiendav arendamine ja katsetamine jätkub, et parandada mudelite töökindlust ja rakendatavust.
See kokkuvõte on loodud tehisaru abil. Tulemuses võib esineda ebatäpsusi, seetõttu soovitame lugeda ka täismahus artiklit. Tagasiside: info@goodnews.ee.
Tartu Ülikooli arvutiteaduse instituudi teadlased arendavad koostöös Eesti tehnoloogiaettevõttega GScan tehisarul põhinevaid meetodeid, mis aitavad kosmiliste osakeste abil kogutud mõõteandmete põhjal objektide asukohta täpsemalt määrata. See tehnoloogia tuleb kasuks näiteks sildade ja teiste suurte ehitiste seisukorra ja võimalike kahjustuste hindamisel.
Tartu Ülikooli arvutiteaduse instituudi lektor Kallol Roy ja tema kolleegid arendavad nutikaid meetodeid, mis aitavad analüüsida müüontomograafiaks nimetatava skaneerimistehnoloogia abil kogutud andmeid. Eesmärk on õpetada arvuteid kindlaks tegema, mis suurte objektide sees peitub, kus need objektid asuvad ja tulevikus ka seda, millistest materjalidest need koosnevad. Koostöös GScaniga ühendatakse ülikooli teadmised tehisintellektist, masinõppest ja andmeanalüüsist ettevõtte kogemustega uudsete skaneerimistehnoloogiate arendamisel.
Eesmärk on õpetada arvuteid kindlaks tegema, mis suurte objektide sees peitub, kus need objektid asuvad ja tulevikus ka seda, millistest materjalidest need koosnevad.
„Meie eesmärk on õpetada tehisaru keerulisi mõõteandmeid täpsemalt tõlgendama, et saaksime tuvastada peidetud objekte, määrata nende asukoha ja saada paremini aru konstruktsioonide sees olevatest materjalidest, ilma et peaksime neid füüsiliselt avama,“ selgitas Roy.
Kosmilised osakesed aitavad näha ehitiste sisemusse
Igas minutis jõuab Maa pinnale ühe ruutmeetri kohta ligikaudu kümme tuhat müüonit. Need looduslikud ja ohutud osakesed tekivad, kui kosmiline kiirgus põrkub Maa atmosfääriga, ning suudavad läbida mitme meetri paksust betooni, terast ja kivimit. Müüontomograafia kasutab seda omadust objektide uurimiseks. Detektorid jälgivad müüonite liikumist objekti sisenemisel ja sellest väljumisel. Enamik osakesi liigub otse läbi, kuid tiheda materjaliga kokku puutudes muudavad mõned neist veidi suunda. Need väikesed kõrvalekalded annavad teavet objekti sisemuse kohta, ilma et seda oleks vaja avada või kasutada tehislikku kiirgusallikat, nagu röntgenuuringute puhul.
Foto: Freepik
Probleem on selles, et müüoneid jõuab detektorisse suhteliselt vähe ja mõõteandmed sisaldavad palju müra, mistõttu on saadavad kujutised sageli hägused. Just seda probleemi püüavad Tartu Ülikooli teadlased ja GScan tehisaru abil lahendada: õpetada arvuteid ebatäiuslike andmete põhjal selget pilti looma.
„Müüoniandmete töötlemine nõuab keerulisi masinõppe- ja andmeteaduslahendusi,“ ütles GScani tootearendusinsener Tarvo Metspalu. „Ülikoolis tehtav teadustöö aitab meil vältida tootearenduses ummikusse jõudmist ja parandada meie tehnoloogia täpsust, et saaksime hinnata hoonete ja rajatiste sisemust neid kahjustamata.“
Masinõpe aitab objektide asukohta täpsemalt määrata
Kallol Roy ja tema kolleegid jõudsid järeldusele, et otse läbi objekti liikuvad müüonid annavad sama väärtuslikku teavet kui need, mille liikumissuund muutub. Sirgjooneline trajektoor viitab sellele, et osakese teele ei jäänud midagi tihedat, samas kui suunda muutnud osake annab märku võimalikust takistusest. Üks näitab, kus objekti ei ole, teine aga seda, kus see tõenäoliselt asub.
Teadlased töötasid välja masinõppemudelid, mis suudavad mõlemat tüüpi teavet korraga analüüsida. Arvutisimulatsioonides määrasid need mudelid peidetud objektide asukohta täpsemalt kui ainult üht tüüpi andmeid kasutavad mudelid ning ka täpsemalt kui müüonikujutiste töötlemisel kasutatav tavapärane meetod. Tulemused avaldati rahvusvahelises teadusajakirjas IEEE Access.
Lisaks on teadlased arendanud meetodeid, mis aitavad eristada lähestikku paiknevaid objekte, mis võivad müüoniskanneri kujutisel näida ühe suure objektina. Väljatöötatud hübriidmeetod vähendas simulatsioonides selliste ekslikult ühendatud objektide osakaalu ligikaudu 15 protsendilt kahele protsendile.
Foto: Freepik
„See tulemus on oluline, sest praktilistes rakendustes peame suutma täpselt määrata objektide asukohta, eristada väiksemaid detaile ja tuvastada võimalikke muutusi konstruktsioonide sees,“ täpsustas Roy.
Tehnoloogia võimalused ulatuvad ehitiste kontrollimisest materjalide tuvastamiseni
Lisaks objektide asukoha määramisele uuritakse Tartu Ülikoolis võimalusi tuvastada mõõtmistulemuste põhjal erinevaid materjale. Seni on analüüsitud 14 materjali omadusi ning katsetatud statistilisi ja masinõppel põhinevaid meetodeid nende eristamiseks. Kui tehisaru suudaks lisaks objekti asukohale määrata ka selle materjali, võiks see aidata näiteks tööstusrajatiste kontrollimisel või ohtlike ja keelatud materjalide tuvastamisel.
Järgmine eesmärk on parandada mudelite töökindlust ja arendada edasi nende treenimiseks vajalikke andmestikke, et tehisaru tuleks paremini toime erinevate materjalide ja keerulisemate mõõtmistingimustega. Kuigi tehnoloogia laiem kasutamine ehitiste seisukorra hindamisel vajab veel arendust ja katsetamist, näitab Tartu Ülikooli ja GScani koostöö, kuidas füüsikaliste mõõtmiste ja tehisaru ühendamine võib pakkuda uusi võimalusi seni raskesti ligipääsetavate konstruktsioonide uurimiseks.
