Асфальт жабынының негізгі дефект түрлері

Жол саласындағы халықаралық классификацияда (мысалы, АҚШ-тың FHWA Distress Identification Manual) асфальт бетіндегі дефектілер бірнеше үлкен топқа бөлінеді. (Дереккөз: FHWA, Distress Identification Manual)

1. Жарықтар (Cracking)

  • Шаршау жарығы (fatigue / alligator cracking) — қайталанатын көлік жүктемесінен пайда болатын, «қолтырауын терісіне» ұқсас көп бұрышты тор жарық. Көбіне дөңгелек ізі бойымен пайда болады және жол құрылымының терең зақымдалуын білдіреді.
  • Термиялық/көлденең жарық (thermal / transverse cracking) — температураның күрт төмендеуінен асфальт қысылып, жол енінен көлденең өтетін жарық. Қазақстан сияқты континенттік климатта ерекше жиі кездеседі.
  • Бойлық жарық (longitudinal cracking) — жол жолағының шетінде немесе қабаттар жапсарында пайда болатын, жол бағытымен параллель созылатын жарық.
  • Блок жарық (block cracking) — битумның ескіруі (тотығуы) нәтижесінде бет тікбұрышты «блоктарға» бөлінетін жарық торы.

2. Пішін бұзылулары (Surface deformation)

  • Шұңқырлану (rutting) — қайталанатын ауыр жүктемеден дөңгелек ізі бойымен пайда болатын бойлық ойыс, әсіресе ыстық ауа-райда битум жұмсарғанда күшейеді.
  • Толқындану/ығысу (shoving / corrugation) — тежелу немесе үдеу жиі болатын учаскелерде асфальт қабатының көлденең ығысуынан пайда болатын толқын тәрізді бедер.
  • Ойыс-шұңқырлар (potholes) — судың негізге еніп, мұздап-еруі мен көлік жүктемесінің бірігуінен пайда болатын, жол бетінде толық тесік түзетін ауыр ақау.

3. Бет тозуы (Surface defects)

  • Тас бөлшектердің үгілуі (raveling) — байланыстырғыш битум әлсіреп, беттегі минералды түйіршіктер бірте-бірте бөлініп түсуі.
  • Битум ағуы (bleeding / flushing) — ыстық ауа-райда артық битум бетке шығып, тайғақ, жылтыр дақ түзуі.
  • Полировка (polishing) — тас түйіршіктердің көліктің үздіксіз үйкелуінен тегістеліп, дөңгелек ұстасуының (skid resistance) төмендеуі.

4. Су мен дренажға байланысты ақаулар

  • Шайылу (erosion) — жол шетінде немесе кюветте судың топырақты шайып әкетуі, бұл негіздің тірек қабілетін төмендетеді.
  • Су сіңіру мен ісіну (moisture damage / stripping) — судың асфальт қабатына еніп, битум мен тас арасындағы адгезияны бұзуы.

Осы дефектілерді ЖИ арқылы автоматты анықтаудағы негізгі өзекті мәселелер

1. Деректер сапасы мен жетіспеушілігі

Пиксель деңгейінде дәл белгіленген (annotated/labeled) үлкен көлемдегі деректер жинағы аз әрі жасау қымбат. Сонымен қатар суреттердің басым бөлігі «зақымсыз жол» болғандықтан, класс теңгерімсіздігі (class imbalance) моделдің сирек кездесетін ауыр ақауларды (терең шұңқыр, кең жарық торы) нашар танып білуіне алып келеді. (Дереккөз: MDPI, Sustainability, Deep Learning for Pavement Distress Detection: A Review, 2023)

2. Домендер арасындағы алшақтық (domain shift)

Бір елде, бір камера мен жарықтандыру жағдайында жиналған деректе оқытылған модель басқа климаттық аймақта, басқа асфальт материалында дәлдігін жоғалтады. Мысалы, жылы климатта оқытылған модель Қазақстанның қысқы термиялық жарықтарын нашар анықтайды. (Дереккөз: ScienceDirect, Automation in Construction, Domain Adaptation for Pavement Distress Detection, 2022)

3. Дефект түрлерінің көп алуандығы мен жалған позитивтер

Жоғарыда аталған әрбір дефект түрін бір-бірінен (мысалы, бойлық жарықты жол таңбасынан, көлеңкеден немесе майлы дақтан) ажырату күрделі есеп болып қалуда. Ерте сатыдағы микрожарықтарды анықтау дәлдігі әлі де төмен.

4. 2D сурет пен 3D тереңдік арасындағы алшақтық

Кәдімгі камера тек беткі жарықты «көреді», алайда шұңқырдың тереңдігі мен көлемін дәл өлшеу үшін стерео камера, LiDAR немесе структуралық жарық (structured light) сенсорлары қажет — бұл жабдықты қымбаттатып, деректерді синхрондау мәселесін тудырады.

5. Нақты уақытта жұмыс істеу мен есептеу шектеуі

Жоғары дәлдікті терең сегментация желілері үлкен есептеу қуатын талап етеді, ал жол сканерлеу көлігіне орнатылған шектеулі жабдықта нақты уақытта (real-time) жұмыс істеу үшін модельді жеңілдету (compression, quantization, pruning) кезінде дәлдік құрбандыққа шалынады. (Дереккөз: arXiv, Real-Time Pavement Crack Detection Survey, 2023)

6. Жалпылама қабілет пен интерпретациялану

Модель бір аймақтың жол текстурасына «үйреніп» қалып, басқа құрылымда қате жасайды. Сонымен қатар терең модельдердің «қара жәшік» сипаты (неге модель белгілі бір жерді ақау деп таныды) инженерлерге түсініксіз болып, шешімге деген сенімді төмендетеді.

7. Ауырлық дәрежесін бағалау мен приоритизация

Ақауды тек анықтау жеткіліксіз — оның қаншалықты қауіпті екенін бағалау (severity scoring) және жөндеу мерзімін болжау (predictive maintenance) әлдеқайда күрделі есеп, себебі бұл жүктеме, ауа-райы және материал жасы сияқты көптеген факторға тәуелді.

8. Ортақ бенчмарктің жоқтығы

Әр зерттеу тобы өз деректер жиынын, өз метрикасын қолданады, бұл модельдерді объективті салыстыруды қиындатады. Дегенмен соңғы жылдары CRACK500, GAPs384 және RDD2022 (Road Damage Dataset) сияқты ашық деректер жинақтары осы олқылықты біртіндеп жабуда. (Дереккөз: RDD2022, Road Damage Detector, GitHub)

Ескерту: дефект классификациясы мен ғылыми зерттеу нәтижелері шетелдік дереккөздерден алынған; Қазақстанның климаттық және жол материалы ерекшеліктеріне бейімдеу үшін жергілікті деректер жинағын қалыптастыру қажет.