L’uso del “deep learning” per una manutenzione economica delle gallerie.

Ogni anno vengono costruiti 4700 km di nuove gallerie per un valore di crescita annuale del 7%. Ciò significa che il numero totale di gallerie che dovranno essere ispezionate aumenterà in modo considerevole nel prossimo futuro. La loro affidabilità di funzionamento dovrà inoltre essere garantita con mezzi sicuri ed economici. Ad oggi, la valutazione dello stato delle gallerie si basa principalmente su un processo di ispezione manuale lenta e soggettiva. La rilevazione automatica dei difetti fornirà invece un approccio più obiettivo e quantificabile in relazione al compito di ispezione della galleria. Con l’ispezione manuale, è infatti difficile valutare in modo oggettivo le anomalie ed in particolare fessure, aventi forma e dimensioni casuali, con una precisione di 0,2 mm, oltre che poterle confrontare con lo stato storico delle precedenti campagne di valutazione. Risulta quindi logico e sensato puntare ad una procedura di rilevamento automatico e ad un flusso di lavoro completamente digitalizzato per il monitoraggio dei difetti nel tempo. I recenti sviluppi nel campo dei “big data” e dell’intelligenza artificiale possono essere applicati al campo dell’ispezione in galleria per portarlo ad un più elevato grado di automazione.