🚁 มข. พัฒนาโดรนผสาน AI ตรวจสนิมสะพานรถไฟ ทดสอบจำแนกจุดเสี่ยงแม่นยำ 93.7%

KKL cover - KKU drone bridge rust inspection AI

ขอนแก่น — นักวิจัยมหาวิทยาลัยขอนแก่นพัฒนาระบบโดรนร่วมกับปัญญาประดิษฐ์ (AI) สำหรับสำรวจและจัดระดับสนิมบนสะพานรถไฟเหล็ก โดยให้โดรนบินตามเส้นทางที่วางแผนและมีผู้ควบคุมกำกับ นำภาพมาวิเคราะห์จุดที่ควรตรวจสอบซ้ำ ผลทดสอบกับชุดภาพ 760 ภาพ พบความแม่นยำการจำแนกสนิมระดับพื้นที่ย่อย 93.7% ซึ่งมีศักยภาพช่วยเจ้าหน้าที่วางแผนตรวจสะพานในจุดเข้าถึงยาก แต่ไม่ใช่การยืนยันความแข็งแรงหรือความปลอดภัยของสะพานทั้งหมดด้วย AI เพียงอย่างเดียว

งานวิจัยชื่อ Coverage-path-planned autonomous UAV inspection for deep learning-based corrosion grading of steel railway bridges โดย Wiwat Rintrawong, Pobporn Danvirutai, Chavis Srichan และ Korb Srinavin สังกัดมหาวิทยาลัยขอนแก่น เผยแพร่ในวารสาร Scientific Reports เมื่อวันที่ 25 สิงหาคม 2569

โจทย์งานบำรุงรักษา: สนิมเกิดไม่เท่ากันทุกส่วนของสะพาน

สะพานรถไฟเหล็กมีโครงสร้างหลายชิ้นส่วนและบางตำแหน่งเข้าถึงยาก การสำรวจด้วยแรงงานหรือการบินโดรนแบบควบคุมด้วยมืออาจต้องใช้เวลามาก และภาพถ่ายที่ได้อาจมีบางบริเวณไม่ครอบคลุม ทีมวิจัยจึงออกแบบระบบชื่อ RustScan-DL/UAV เพื่อเชื่อมการวางเส้นทางโดรน การเก็บภาพ และการประเมินสนิมจากภาพเข้าด้วยกัน

โดรนทำงานภายใต้การกำกับของผู้ควบคุม มีระบบกำหนดเส้นทางสำรวจให้ครอบคลุมโครงเหล็กและพิจารณาระยะทางรวมถึงพลังงานแบตเตอรี่ ภาพแต่ละใบถูกแบ่งเป็นบริเวณย่อย จากนั้นโมเดล AI ช่วยจัดระดับสนิมที่พบ โดยใช้การวิเคราะห์จากภาพร่วมกับข้อมูลสีเพื่อคัดจุดที่ควรเข้าตรวจอย่างใกล้ชิด

ผลการทดสอบ: แม่นยำ 93.7% ในชุดภาพ ไม่ใช่อัตราความปลอดภัยของสะพาน

  • ชุดข้อมูลทดสอบ BRIDGE-760 มี 760 ภาพ แบ่งเป็น 12,160 โซน ประกอบด้วยชุดภาพภายนอกและภาพที่ถ่ายจากสะพานรถไฟเหล็กในจังหวัดชุมพร
  • ระบบจำแนกระดับสนิมถูกต้อง 93.7% ในระดับโซนภาพ ตามเกณฑ์ที่ใช้ในชุดทดสอบ
  • ในการบินจริงแบบมีผู้ควบคุมกำกับ 14 เที่ยวบิน ระบบรายงานพื้นที่ครอบคลุมตามการคาดการณ์ 98.4% และลดระยะทางบิน 31.2% เทียบกับวิธีบินกวาดแบบง่ายที่ใช้เป็นเกณฑ์เปรียบเทียบ
  • ผลการแจ้งให้ตรวจซ้ำในเที่ยวบินมีค่าทำนายผลบวก 79% ภายใต้ข้อมูลที่เก็บได้ แต่ไม่สามารถคำนวณอัตราการพลาดจุดเสียหายทั้งหมดจากบันทึกที่มี

ตัวเลขเหล่านี้เป็นผลภายใต้ชุดข้อมูลและเงื่อนไขที่งานวิจัยกำหนด โดยเฉพาะความแม่นยำ 93.7% หมายถึงการจัดระดับสนิมจากภาพ ไม่ใช่ความแม่นยำการวินิจฉัยความแข็งแรงของโครงสร้าง หรือตัวเลขว่าสะพานปลอดภัย 93.7%

การนำไปใช้จริง: โดรนช่วยคัดตำแหน่งให้วิศวกรตรวจละเอียด

จุดแข็งของแนวทางนี้คือสามารถพัฒนาระบบแผนที่โซนสนิมบนโครงสร้าง ช่วยให้หน่วยงานบำรุงรักษาจัดลำดับตำแหน่งที่ควรตรวจอย่างใกล้ชิดและบันทึกจุดเดิมเพื่อเปรียบเทียบครั้งต่อไป โดยเฉพาะพื้นที่ที่การเข้าถึงต้องใช้เครื่องมือหรือขั้นตอนความปลอดภัยเพิ่มเติม

  • หน่วยงานดูแลสะพานรถไฟ: พิจารณาใช้โดรนสำรวจเบื้องต้นและเก็บภาพซ้ำตามตำแหน่ง เพื่อให้ทีมวิศวกรจัดแผนตรวจในพื้นที่จริง
  • วิศวกรตรวจสอบโครงสร้าง: ใช้ผลแผนที่สนิมเป็นข้อมูลชี้เป้าหมายสำหรับการตรวจพื้นผิวและวัดความหนาเหล็กด้วยเครื่องมือที่เหมาะสม เช่น อัลตราโซนิก
  • สถาบันวิจัยและผู้พัฒนาเทคโนโลยี: พัฒนาระบบทดสอบกับโครงสร้าง ชนิดสีเคลือบ สภาพอากาศ และสภาพแสงที่หลากหลาย ก่อนนำไปใช้ในภารกิจตรวจสะพานขนาดใหญ่

เหตุใด AI ยังแทนการตรวจสอบโดยวิศวกรไม่ได้

งานวิจัยระบุชัดว่าภาพถ่ายและการจำแนกสนิมไม่สามารถรับประกันการตรวจพบข้อบกพร่องทั้งหมด อีกทั้งข้อมูลเที่ยวบินที่เก็บไว้ยังไม่เพียงพอจะประเมินอัตราการพลาดตรวจจุดเสียหายทั้งหมดได้ การประเมินความเสียหายเชิงโครงสร้างยังต้องใช้การวัดเฉพาะทาง เช่น การวัดความหนาเหล็กด้วยอัลตราโซนิก และการตัดสินใจของผู้เชี่ยวชาญ การนำระบบไปใช้จึงควรอยู่ภายใต้แผนความปลอดภัยการบินและการตรวจสอบสะพานตามมาตรฐานที่เกี่ยวข้อง

แหล่งข้อมูลและหมายเหตุภาพ

อ่านงานวิจัยต้นฉบับ: Scientific Reports — Coverage-path-planned autonomous UAV inspection (DOI: 10.1038/s41598-026-68249-4) และ ข้อมูลบรรณานุกรมใน Thai University Rankings

ภาพปกเป็นภาพประกอบจำลองที่สร้างด้วย AI ไม่ใช่ภาพสะพานในจังหวัดชุมพรหรือโดรนจริงจากงานวิจัย และไม่ได้สื่อว่าสะพานใดมีปัญหาความปลอดภัย

ทีมข่าวขอนแก่นลิงก์ รายงาน

เรื่องล่าสุด