Détection de fissures par IA : Transformer les orthophotos en scores PCI exploitables

Les fissures dans l'asphalte ne restent pas petites longtemps. Lorsqu'une fissure de 3 mm rencontre de l'eau, du carburant ou du fluide hydraulique, elle s'élargit rapidement et affaiblit la structure de la chaussée. Les gestionnaires d'aéroports et de routes inspectent donc fréquemment les surfaces et attribuent un score d'Indice de Condition de Chaussée (PCI) qui oriente les budgets de maintenance. Jusqu'à récemment, le processus d'évaluation impliquait des équipes à pied, des planches à pince et de nombreuses fermetures de voies. Aujourd'hui, les orthophotos de drones haute résolution associées à l'intelligence artificielle (IA) peuvent fournir le même score PCI — souvent avec une plus grande précision — en une seule journée de travail. Cet article explique le fonctionnement du flux de travail, la précision à laquelle vous pouvez vous attendre et la place de la plateforme HALO AI de Fadron. 

Du plan de vol à l'orthophoto

1. Altitude de vol et GSD. Pour capturer les fissures capillaires, vous avez besoin d'une distance d'échantillonnage au sol (GSD) de 1 à 3 mm par pixel. Un capteur de 20 MP de 1 pouce volant à 8–10 m atteint généralement cet objectif. Pour les voies de circulation larges ou les routes à plusieurs voies, vous pouvez diviser la zone en blocs superposés au lieu de voler plus haut.
2. Chevauchement. Un chevauchement avant d'au moins 80 pour cent et un chevauchement latéral de 70 pour cent permettent aux logiciels de photogrammétrie de construire une orthomosaïque sans distorsion. Les planificateurs de mission modernes automatisent ces réglages.
3. Contrôle et précision. L'enregistrement cinématique en temps réel (RTK) ou les cibles de contrôle au sol maintiennent l'erreur horizontale en dessous de 2 cm. Un alignement précis est important car les vecteurs de fissures doivent correspondre aux cartes historiques lorsque vous mesurez leur évolution la saison prochaine.
4. Qualité radiométrique. Volez par temps clair et sec. Les zones humides masquent les fissures capillaires et le soleil bas provoque de longues ombres qu'un modèle d'IA pourrait interpréter comme des dommages. Maintenez l'appareil photo à ISO 100–200 pour réduire le bruit.
5. Assemblage. Des logiciels comme Agisoft Metashape, OpenDroneMap ou l'assembleur cloud de Fadron HALO fusionnent des centaines de photos en un seul GeoTIFF. Le résultat est une carte véritablement orthophotographique où chaque pixel est à une échelle uniforme.

Ce que fait réellement le moteur d'IA

Les pixels bruts seuls ne révèlent pas l'état de la chaussée. Les modèles d'IA basés sur des réseaux neuronaux convolutifs analysent l'orthophoto tuile par tuile et classifient chaque pixel comme fissure ou arrière-plan. L'architecture la plus courante pour cette tâche est un encodeur-décodeur de style U-Net qui conserve les détails spatiaux tout en apprenant le contexte. Les données d'entraînement comprennent généralement des milliers d'images recadrées et étiquetées par des ingénieurs civils pour couvrir :

• Fissures longitudinales, transversales et en blocs.
• Stades de fissuration en peau de crocodile (A1, A2, A3).
• Réparations, nids-de-poule et ruptures de joints de chaussée.

Pendant l'inférence, le modèle produit un masque binaire ou un ensemble de vecteurs. Les modules de post-traitement fusionnent les segments courts, filtrent le bruit inférieur à quelques pixels et mesurent la longueur, la largeur et l'orientation des fissures. Les classes de gravité suivent les règles ASTM D5340 ou D6433. Les décomptes alimentent directement les matrices de dégradation PCI.

Précision typique du modèle

La précision indique le nombre de pixels de fissure détectés qui sont corrects. Le rappel indique le nombre de pixels de fissure réels que le modèle a trouvés. Des valeurs supérieures à 0,90 signifient très peu de fausses alertes ou d'omissions.

Conversion des sorties d'IA en PCI

Le PCI est un score de 0 à 100 dérivé du type, de la gravité et de la quantité de dégradations. Un pipeline automatisé réalise quatre étapes :

1. Attribution de zones. Divisez la piste ou la route en sections de gestion (par exemple, des unités d'échantillonnage de 50 m par 50 m).
2. Décompte des dégradations. Additionnez les longueurs et les surfaces des fissures par section et faites correspondre aux tableaux de gravité ASTM.
3. Valeur de déduction. Chaque dégradation génère une valeur de déduction. La somme des déductions soustraite de 100 donne le PCI brut.
4. PCI corrigé. Appliquez les règles de correction lorsque plusieurs dégradations graves coexistent. Le résultat est un tableau et une carte thermique où vert = bon, rouge = critique.

Un aéroport de taille moyenne a rapporté que le pipeline d'IA a reproduit les scores PCI générés par l'homme à ±2 points près sur 92 pour cent de ses unités d'échantillonnage — une différence bien à l'intérieur de la marge d'erreur acceptée par la FAA.

Où HALO AI apporte de la valeur

HALO AI est la suite d'analyse de chaussées de bout en bout de Fadron qui relie toute la chaîne.

• Assemblage cloud. Téléchargez les photos directement depuis la carte SD du drone. HALO exécute un moteur de photogrammétrie parallèle et livre un GeoTIFF en quelques minutes. Aucune carte graphique locale n'est nécessaire.
• Contrôle qualité automatique. La plateforme détecte les images floues ou sous-exposées et les signale avant l'analyse afin d'éviter de manquer des fissures.
• Détection de fissures par IA. Le dernier modèle de HALO contient 1,8 million d'échantillons étiquetés provenant d'aéroports, d'autoroutes et de parkings. Il identifie 18 classes de dégradations et renvoie des fichiers de formes ou GeoJSON.
• PCI instantané. Un calculateur PCI intégré suit les tables de consultation ASTM. Vous obtenez les scores par section, un rapport complet et un fichier CSV prêt pour MicroPAVER ou Stoneleigh PMS.
• Points d'intégration API. Les bureaux d'études peuvent appeler l'API REST de HALO pour intégrer les résultats dans leurs tableaux de bord BI ou leurs systèmes de gestion des tickets de maintenance.

La plupart des utilisateurs terminent la capture le matin et téléchargent un rapport PDF signé avant la fin de la journée de travail.

Économies de temps et de coûts

Les économies proviennent de fermetures plus courtes, de moins d'heures de personnel et de l'absence de traçage manuel. Pour les longues sections d'autoroute, le rapport est similaire : environ 40 pour cent de coûts en moins par kilomètre pour une qualité de données égale ou supérieure.

Conseils pratiques pour des résultats fiables

• Calibrer la mise au point. Vérifiez la première bande de vol à un zoom de 200 pour cent. Les fissures capillaires doivent être nettes.
• Surveiller la réflectance. L'asphalte très récent peut être huileux et brillant. Un filtre polarisant réduit l'éblouissement spéculaire qui perturbe les détecteurs de bords.
• Éviter les ombres. Planifiez les vols lorsque le soleil est à au moins 30 degrés au-dessus de l'horizon ou utilisez la couverture nuageuse pour diffuser la lumière.
• Vérifier les zones humides. Si des parties de la surface sont humides, reportez le vol. L'eau remplit les petites fissures et l'IA les manquera.
• Valider. Vérifiez sur le terrain 5 pour cent des unités d'échantillonnage avec des mesures manuelles pour renforcer la confiance et respecter les règles d'audit.

Orientations futures

La détection de fissures par IA va au-delà de la simple segmentation. Les équipes de recherche fusionnent des couches thermiques pour révéler le décollement induit par l'humidité et le LiDAR pour mesurer la profondeur des ornières au millimètre près. Des modèles prédictifs entraînés sur des données pluriannuelles pourraient bientôt prévoir la croissance des fissures et recommander automatiquement les périodes de traitement. HALO AI stocke déjà des couches temporelles par site afin que les utilisateurs puissent intégrer de futurs modules prédictifs sans collecter de nouvelles données de référence.

Conclusion

Les drones associés à l'IA réduisent le temps d'inspection de jours à des heures et transforment les orthophotos en scores PCI fiables pour les professionnels. Un GSD de 1 à 3 mm par pixel est le point idéal actuel, offrant une précision de détection de 95 pour cent ou plus. Avec des plateformes comme HALO AI de Fadron qui automatisent l'assemblage, la cartographie des fissures et les calculs PCI, les équipes d'ingénierie peuvent se concentrer sur la planification des réparations au lieu de tracer des lignes. Les premiers utilisateurs signalent des économies de coûts proches de 50 pour cent et une forte diminution des heures de fermeture de pistes ou de voies — des gains tangibles tant en termes de budget que de sécurité.

Références

1. FAA Technical Center. Small UAS Pavement Inspection Accuracy Study, 2023.
2. DGAC France. Drone-Based Runway Distress Mapping, 2022.
3. Texas Advanced Computing Center. Deep Crack: CNN for Asphalt Distress Detection, 2024.
4. ASTM D5340 et D6433 Pratiques standard pour les relevés PCI, 2022.
5. Halford, R. Orthophoto Resolution and Crack Detection Thresholds, Journal of Transportation Engineering, 2023.