Digital Twin Framework for Bridge Slab Deterioration: From 2D Inspection Data to Predictive 3D Maintenance Modeling
// Цифровая двойная система контроля износа плиты пролетного строения: от 2D-данных контроля до прогнозирующего 3D-моделирования технического обслуживания //
Hyunhye Song et al (Republic of Korea)
В исследовании предложена система цифрового двойника – 3D-модели моста, для прогнозирования технического состояния сооружения. Для этого были оцифрованы карты дефектов существующих сооружений с использованием модели глубокого обучения YOLOv7 для извлечения пространственных координат мест повреждения. На основе этих данных были определены восемь репрезентативных состояний повреждений для прогнозирования срока службы. История повреждений и ремонта была встроена в 3D-модели моста с использованием уникальной системы кодирования, позволяющей отслеживать временные и пространственные параметры.
Abstract: Bridge slabs are critical structural components that directly sustain vehicle loads and generally have the shortest service life among bridge elements, leading to increased maintenance needs and costs. In many countries, damage and repair histories have been systematically recorded for over four decades. In this study, a digital twin framework for predicting the future performance of bridge slabs by integrating long-term inspection data was proposed. Historical 2D damage drawings were digitized using the YOLOv7 deep-learning model to extract the spatial coordinates of the damaged locations. Based on this data, eight representative damage states were defined to support the prediction of the service life. The damage and repair history was embedded into the 3D bridge models using a unique coding system to enable temporal and spatial tracking. As the corrosion of the reinforcement cannot be directly observed by visual inspection, its development and progression is estimated using empirical models. The digital twin concept is validated using historical inspection records to demonstrate its applicability to existing bridge slabs. The integration of cumulative deterioration data significantly improves the accuracy of the performance predictions and facilitates data-driven maintenance and rehabilitation strategies.
Digital Twin Framework for Bridge Slab Deterioration: From 2D Inspection Data to Predictive 3D Maintenance Modeling / Song, H.; Kim, K.; Shin, J.; Roh, G.; Shim, C. // Buildings. – 2025. – Vol. 15. – № 15. – P. 1979. DOI: 10.3390/buildings15121979.
https://www.mdpi.com/2075-5309/15/12/1979
Заглавное изображение - авторов статьи