Le défi
Les villes ont du mal à inspecter et à entretenir efficacement leur réseau routier, en particulier pour détecter et évaluer des dégâts comme les nids-de-poule.
Les inspections manuelles prennent du temps, restent subjectives et retardent souvent l’identification et la réparation des défauts de la chaussée. Le client avait besoin d’une méthode automatisée et précise pour repérer et évaluer les nids-de-poule et les dégâts routiers, et pour rationaliser l’entretien et l’inspection.
Notre solution
Nous avons construit une plateforme fondée sur des modèles de segmentation par deep learning. Elle traite des séquences vidéo ou des images isolées, segmente chaque nid-de-poule et en extrait des caractéristiques clés comme la taille et la surface, qui servent à estimer son niveau de gravité.
Les résultats sont cartographiés dans une application SIG évolutive : les utilisateurs visualisent les dégâts et repèrent vite les zones qui demandent une intervention. Le modèle peut aussi être intégré à un pipeline de traitement vidéo en temps réel pour une surveillance continue et une détection instantanée.
- Segmentation des nids-de-poule à partir de séquences vidéo ou d’images isolées
- Extraction de caractéristiques (taille, surface) et estimation de la gravité de chaque nid-de-poule
- Application SIG évolutive pour visualiser les dégâts routiers
- Notifications fondées sur des règles, par exemple lorsqu’un nid-de-poule critique exige une intervention immédiate
- Filtrage par niveau de gravité pour prioriser les réparations
- Intégration possible à un pipeline de traitement vidéo en temps réel
Le résultat
Automatiser la détection, l’évaluation et la cartographie des nids-de-poule fait gagner du temps et des ressources. Les équipes d’entretien routier identifient et priorisent les réparations selon leur gravité, répartissent mieux leurs moyens et améliorent l’état des routes.
Avec le modèle intégré à un pipeline vidéo en temps réel, les villes peuvent surveiller leurs routes en continu et détecter les dégâts dès leur apparition. Elles réduisent ainsi les dangers, anticipent l’entretien et renforcent la sécurité routière.
