Quantificare il volume reale di un difetto in una condotta di drenaggio in calcestruzzo, anziché limitarsi al riscontro visivo: attorno a questo obiettivo è costruito il framework di ispezione 3D basato su nuvole di punti pubblicato su Infrastructures (Vol. 11, pagine 300, doi: 10.3390/infrastructures11090300) da Shuwei Zhai, Maolin Yao, Xingyi Wang, Lei Qiao e Niannian Wang. Sulle tre geometrie di difetto prese in esame, circolare, triangolare e rettangolare, le accuratezze volumetriche medie superano il 96%, con vantaggi fino a 3,06 punti percentuali rispetto alla baseline CAP-UDF.
CCTV, profondità mancante e scarsità di dati annotati
L’ispezione CCTV è la pratica consolidata per il controllo delle reti di drenaggio, ma fornisce informazioni di profondità limitate e non permette di quantificare direttamente la geometria tridimensionale dei difetti. Il passaggio alle nuvole di punti apre la strada alla misura volumetrica, tuttavia il percorso incontra due ostacoli concreti. Il primo è la scarsità di nuvole di punti annotate, un limite che pesa sull’addestramento dei modelli. Il secondo riguarda la ricostruzione di superficie: i metodi convenzionali tendono a produrre artefatti topologici, che si propagano all’integrazione dei volumi e condizionano la valutazione automatica delle condizioni della rete.
La pipeline in tre stadi
Il flusso di lavoro risponde a quei vincoli punto per punto. La scarsità di dati viene affrontata con WCPC-GAN, un modello generativo che amplia il campione di difetti disponibile producendo dati sintetici destinati all’addestramento. La segmentazione delle nuvole di punti è affidata a PointNeXt. Segue la fase geometrica: una formulazione Alpha Shape vincolata tramite RANSAC e adattiva alla densità ricostruisce la superficie del difetto, dalla quale il volume viene ricavato per integrazione. Un’impostazione pensata per contenere proprio gli artefatti topologici tipici delle ricostruzioni convenzionali.
Quindici difetti e un riferimento volumetrico fisico
La verifica sperimentale è stata condotta su quindici difetti fabbricati indipendentemente l’uno dall’altro, con geometrie circolari, triangolari e rettangolari. I volumi di riferimento non derivano da alcun algoritmo di ricostruzione, ma da misure ripetute basate sullo spostamento d’acqua: il termine di paragone è quindi un dato fisico diretto, indipendente dalla catena di calcolo messa alla prova.
Accuratezze volumetriche e confronto con CAP-UDF
| Geometria del difetto | Accuratezza volumetrica media | Scarto rispetto a CAP-UDF |
|---|---|---|
| Circolare | 96,32% ± 0,67% | +1,62 punti percentuali |
| Triangolare | 96,78% ± 0,60% | +2,68 punti percentuali |
| Rettangolare | 96,86% ± 0,37% | +3,06 punti percentuali |
Sul piano statistico, un’analisi paired bootstrap estende il confronto alla Alpha Shape convenzionale: la riduzione complessiva dell’errore è stimata in 5,56 punti percentuali, con intervallo di confidenza al 95% compreso tra 5,17 e 5,97.
Dati sintetici e segmentazione su un test set di soli campioni reali
L’apporto della generazione sintetica si riflette anche nelle prestazioni di segmentazione. Con l’arricchimento del dataset, PointNeXt passa su un test set fisso composto esclusivamente da dati reali da un’accuratezza del 92,52% al 94,53%, mentre la mIoU sale dall’83,53% all’89,98%. Il vincolo del test set, mantenuto invariato e privo di campioni generati, è decisivo nella lettura di questi valori: il guadagno misura l’effetto dell’addestramento su dati arricchiti, non una valutazione facilitata dalla presenza di dati sintetici tra i campioni di prova.
Il perimetro dei risultati resta quello della campagna di verifica: condizioni sperimentali controllate, difetti fabbricati ad hoc, riferimenti volumetrici misurati fisicamente. Al suo interno, la sequenza messa in campo, dalla generazione sintetica dei dati alla segmentazione con PointNeXt e alla ricostruzione Alpha Shape adattiva, restituisce stime volumetriche fedeli al riferimento fisico, con un margine di errore quantificato statisticamente. Per chi si occupa di ispezione delle reti, il segnale è che la valutazione delle condizioni può spostarsi dal riscontro visivo verso la misura del difetto.
Lascia un commento