Vision transformers- Modello di classificazione delle crepe superficiali guidato dal consumatore basato sulle reti Kolmogorov–Arnold

Perché le crepe nelle strutture di tutti i giorni contano

Le crepe in strade, ponti e pareti degli edifici possono iniziare come fessure sottili, ma crescere fino a diventare gravi rischi per la sicurezza e costose da riparare. Oggi, la maggior parte delle ispezioni delle crepe si basa ancora su persone che girano con bloc-notes o fotocamere, un approccio lento, costoso e soggetto a errori—soprattutto per difetti piccoli o nascosti. Questo articolo presenta un nuovo metodo informatico che individua e classifica le crepe superficiali nel calcestruzzo e nell’asfalto con elevata accuratezza, restando sufficientemente efficiente da funzionare su telefoni, droni o altri dispositivi compatti. Ciò apre la porta a monitoraggi periodici a basso costo delle strutture che usiamo ogni giorno.

Dalle ispezioni manuali alle telecamere intelligenti

Ispezionare le superfici ad occhio nudo ha svantaggi evidenti: è soggettivo, dispendioso in termini di tempo e a volte pericoloso per gli ispettori che lavorano su strade molto trafficate o ponti elevati. I primi programmi informatici cercavano le crepe nelle foto usando trucchi semplici come il rilevamento dei contorni e la soglia, ma faticavano con ombre, variazioni di luce o texture ruvide che possono assomigliare a crepe. Sistemi più recenti impiegano l’apprendimento automatico, dove gli algoritmi apprendono pattern da molte immagini. Le reti neurali convoluzionali e i più recenti vision transformer hanno già incrementato molto l’accuratezza, ma la maggior parte fatica ancora a gestire crepe sottili e irregolari in condizioni reali e raramente spiega come arrivano alle loro decisioni.

Un modello ibrido di IA che vede più chiaramente

Gli autori hanno progettato un modello di deep learning ibrido che combina diversi punti di forza in una singola pipeline. Innanzitutto, una rete compatta chiamata MobileNet V3 analizza l’immagine e ne estrae dettagli locali come bordi, micro-crepe e texture. Successivamente, un modello transformer chiamato LeViT valuta come le diverse parti dell’immagine si relazionano tra loro, catturando pattern a lungo raggio—per esempio il percorso tortuoso di una crepa su una lastra. Un terzo componente, un transformer Linformer migliorato, si concentra sul modellare efficientemente queste relazioni a lungo raggio anche in immagini ad alta risoluzione, ma con costi di calcolo ridotti, rendendolo pratico per dispositivi di piccole dimensioni.

Mischiare i segnali e prendere una decisione finale

Invece di sovrapporre semplicemente questi componenti, il sistema utilizza un passaggio di “fusione di feature a cancelli” che impara quali informazioni provenienti da ciascuna rete sono davvero rilevanti e quali sono ridondanti. Questo aiuta il modello a preservare indizi utili su larghezza, lunghezza e continuità delle crepe, ignorando i pattern di sfondo distraenti. Il segnale fuso viene poi passato a una Kolmogorov–Arnold Network, un tipo speciale di rete neurale che rappresenta relazioni complesse usando curve matematiche flessibili. Questo classificatore è ottimizzato per tracciare un confine netto tra i casi “crepa” e “nessuna crepa”, anche quando i pattern nei dati sono sottili o confusi, rimanendo veloce e compatto quanto basta per l’uso in tempo reale su hardware edge come smartphone o schede embedded.

Aprire la scatola nera dell’IA

Poiché la sicurezza delle infrastrutture dipende dalla fiducia, gli autori si concentrano anche sul rendere comprensibili le decisioni del modello. Applicano due strumenti di spiegazione—SHAP e LIME—to evidenziare quali regioni dell’immagine e quali feature hanno influenzato maggiormente una data previsione. Quando il modello rileva una crepa, questi strumenti tipicamente mettono in risalto il percorso della crepa e l’area circostante immediata, confermando che il sistema “guarda” nei punti giusti anziché essere fuorviato da macchie o ombre. Durante lo sviluppo, queste spiegazioni hanno anche evidenziato debolezze, come la tendenza a reagire a linee dipinte sull’asfalto, il che ha portato il team ad aggiustare il processo di addestramento per ridurre i falsi allarmi.

Quanto funziona bene e perché è importante

Testato su raccolte ampie e varie di immagini di calcestruzzo e asfalto—oltre 40.000 foto provenienti da più dataset pubblici—il modello ha raggiunto circa il 99,5% di accuratezza e ha mantenuto buone prestazioni anche su immagini nuove mai viste prima. Ha inoltre richiesto meno calcoli e meno memoria rispetto a molte soluzioni concorrenti, rendendolo adatto all’integrazione in elettronica di consumo, droni e sistemi di ispezione a basso costo. Questo significa che un giorno proprietari di casa, responsabili di impianti e ingegneri comunali potrebbero usare normali telecamere intelligenti o app mobili per monitorare continuamente le superfici e segnalare la formazione precoce di crepe, trasformando la cura strutturale da un evento raro e manuale in una salvaguardia routinaria basata sui dati.

Guardando avanti verso strutture più sicure

In termini semplici, lo studio mostra che una combinazione accuratamente progettata di reti leggere, transformer efficienti e un classificatore avanzato può distinguere in modo affidabile tra superfici incrinate e integre spiegando anche le ragioni della decisione. Restano sfide aperte—come gestire condizioni di luce estreme o dispositivi con energia molto limitata—ma il lavoro indica una direzione verso un futuro in cui edifici, ponti e pavimentazioni possono essere sorvegliati automaticamente, contribuendo a impedire che piccoli difetti si trasformino in guasti pericolosi.

Citazione: Wahab Sait, A.R., Sankaranarayanan, S. & Yu, Y. Vision transformers- Kolmogorov–Arnold networks-based consumer driven surface cracks classification model. Sci Rep 16, 9183 (2026). https://doi.org/10.1038/s41598-026-40359-z

Parole chiave: monitoraggio delle infrastrutture, crepe nel calcestruzzo, pavimentazione stradale in asfalto, deep learning, computer vision