Zusammenfassung - Automatisierte Interpretation von Konturkarten der nicht zerstörungsfreien Bewertung mithilfe großer Sprachmodelle zur Bewertung des Brückenzustands

Automatisierte Interpretation von Konturkarten der nicht zerstörungsfreien Bewertung mithilfe großer Sprachmodelle zur Bewertung des Brückenzustands

2025-07-18 17:39:03

{"Viraj Nishesh Darji","Callie C. Liao","Duoduo Liao"}

{cs.AI,cs.IR}

Diese Forschung untersucht das Potenzial der Nutzung großer Sprachmodelle (LLMs) zur Automatisierung und Verbesserung der Analyse von nichtzerstörungsfähigen Prüfungen (NDE) Konturkarten zur Bewertung des Brückenzustands. Die Studie zeigt die Effektivität von LLMs bei der Interpretation komplexer visueller Informationen aus NDE-Daten, bei der Bereitstellung detaillierter Brückenzustandsanalysen und der Erstellung umsetzbarer Empfehlungen. ### Schlüsselergebnisse: * **Gesamte Bewertung der LLM-Fähigkeiten**: Die Forschung bietet eine umfassende Bewertung verschiedener LLMs, einschließlich ChatGPT-4, Claude 3.5 Sonnet, CogVLM2 und ShareGPT4V, bei der Interpretation von NDE-Konturkarten. Diese Bewertung berücksichtigt ihre Fähigkeit, detaillierte Beschreibungen zu generieren, Mängel zu identifizieren, Empfehlungen zu geben und eine Gesamtrechenschaftlichkeit zu erbringen. * **Verbesserte Bildbeschreibungen**: Die Studie zeigt, dass LLMs wie ChatGPT-4 und Claude 3.5 Sonnet detailliertere und effektivere Zusammenfassungen der Brückenbedingungen erstellen. Dies zeigt das Potenzial von LLMs, eine umfassende Übersicht über die strukturelle Integrität der Brücke zu bieten. * **Integrationsrahmenwerk**: Die Forschung schlägt ein praktisches Rahmenwerk für die Integration von LLMs in die Brückeninspektionsabläufe vor. Dieses Rahmenwerk nutzt die Stärken mehrerer LLMs und verfolgt einen strukturierten und systematischen Ansatz zur Interpretation technischer Daten. * **Effizienz und Genauigkeit**: Die Ergebnisse deuten darauf hin, dass LLM-gestützte Analysen die Effizienz und Genauigkeit der Infrastrukturauswertungsprozesse erheblich verbessern können. Dies kann zu schnelleren Entscheidungen im Bereich der Brückeninstandhaltung führen und die Infrastrukturverwaltung sowie die Sicherheitsevaluationen verbessern. ### Methodik: 1. **Dateninput und -vorbereitung**: Die Studie verwendet fünf einzigartige NDE-Konturkarten-Datensätze, die durch verschiedene Messtechnologien (GPR, ER, IE und USW) gewonnen wurden, um den Brückenzustand zu bewerten. 2. **Multimodale Bildbeschreibung**: Verschiedene LLMs werden eingesetzt, um detaillierte Beschreibungen zu generieren und Mängel in den NDE-Konturkarten zu identifizieren. 3. **Zusammenfassungsanalyse**: Ausgaben mehrerer Bildbeschreibungsmodelle werden mithilfe von LLM-Zusammenfassungsmodellen konsolidiert, um eine umfassende Übersicht über den Zustand der Brücke zu erstellen. 4. **Erstellung der Ausgaben**: Die endgültige Ausgabe umfasst wesentliche Aspekte wie die Bewertung der strukturellen Integrität, die Identifizierung und Klassifizierung von Mängeln sowie Empfehlungen für die Instandhaltung. ### Schlussfolgerung: Diese Pilotstudie zeigt das Potenzial von LLMs, den Zustand von Brücken zu bewerten, zu revolutionieren. Durch die Automatisierung der Analyse von NDE-Konturkarten und die Bereitstellung detaillierter Einblicke können LLMs die Effizienz und Genauigkeit der Infrastrukturauswertungsprozesse erheblich verbessern. Diese Forschung eröffnet neue Wege für effizientere Entscheidungen im Bereich der Brückeninstandhaltung und trägt zur breiteren Felder der Infrastrukturverwaltung und der Sicherheitsevaluation bei.