Come può una rete neurale individuare le perdite nei tunnel più velocemente di un ispettore?

Le tradizionali ispezioni dei rivestimenti dei tunnel richiedono tempo e dipendono molto dall’esperienza dell’operatore, perciò sono soggette a errori e ritardi. Per superare questi limiti, un team di ricercatori ha creato CBAM‑TransUNet, un modello di intelligenza artificiale che combina due tecnologie avanzate: il Vision Transformer (ViT) e l’architettura UNet, arricchiti da un modulo di attenzione chiamato CBAM.
Il ViT analizza l’immagine intera come un “puzzle” di piccoli tasselli, catturando relazioni globali, mentre UNet ricostruisce la mappa dei pixel per individuare le zone di perdita. Il CBAM, inserito nei collegamenti tra encoder e decoder, aiuta la rete a focalizzarsi sui dettagli più rilevanti, ignorando ombre, macchie o tracce deboli.
I test hanno mostrato risultati impressionanti: IoU 0,81, Dice 0,84, recall 0,95 e precision 0,85, con un’accuratezza quasi perfetta (0,98). Anche in scenari difficili, come ombre profonde o macchie di sporco, il modello ha mantenuto alte prestazioni. Gli esperimenti di ablazione hanno confermato che sia il ViT sia il CBAM sono fondamentali: rimuovendoli, l’IoU è sceso di oltre 6 %. Inoltre, le mappe di calore Score‑CAM hanno rivelato che il CBAM amplia l’area di attenzione della rete, rendendo il riconoscimento più robusto.
Questa soluzione promette di rendere le ispezioni dei tunnel più rapide, oggettive e affidabili, aprendo la strada a sistemi di monitoraggio automatici in ambienti complessi.

Il modello CBAM‑TransUNet si basa su una fusione ibrida tra architetture convoluzionali e transformer. L’encoder UNet utilizza blocchi convoluzionali per estrarre caratteristiche locali a diverse scale, mentre il ViT, inserito nella bottiglia dell’architettura, elabora sequenze di patch lineari mediante meccanismi di self‑attention, consentendo al modello di catturare dipendenze a lungo raggio tra regioni distanti dell’immagine. Il modulo CBAM (Convolutional Block Attention Module) combina due sotto‑moduli: Channel Attention, che pesa le mappe di attivazione per canale, e Spatial Attention, che enfatizza le posizioni spaziali più informative. Questi due meccanismi sono inseriti nelle skip‑connections, migliorando la propagazione di informazioni rilevanti dal livello di codifica a quello di decodifica.
Durante l’addestramento, il modello è stato ottimizzato con la loss combinata di Dice e Cross‑Entropy, favorendo sia la segmentazione di regioni piccole sia la stabilità numerica. L’uso di Score‑CAM per la visualizzazione dell’attenzione ha permesso di verificare che il CBAM estende la copertura dell’area di interesse, riducendo i falsi negativi in presenza di rumore di fondo. Gli esperimenti di ablazione hanno mostrato che la rimozione del ViT diminuisce l’IoU di circa 7 %, evidenziando l’importanza della capacità di modellare contesti globali, mentre l’assenza del CBAM riduce l’IoU di 6 %, confermando il valore aggiunto dell’attenzione sia per canale che spaziale.
Il modello ha raggiunto un AUC di 0,9746, indicando eccellente capacità discriminante, e un MCC di 0,8568, che misura la qualità della classificazione anche in presenza di classi sbilanciate. Questi risultati suggeriscono che CBAM‑TransUNet può essere integrato in sistemi di monitoraggio in tempo reale, sfruttando GPU edge per inferenze rapide, e potenzialmente esteso a altre applicazioni di segmentazione in ambienti complessi, come la rilevazione di crepe in infrastrutture civili o la diagnosi di anomalie in immagini mediche.