Détection de dégâts sur toitures
Suite à la tempête de juillet 2023 à La Chaux-de-Fonds, ce travail de bachelor a développé un système de détection automatique de dégâts sur toitures par intelligence artificielle, en collaboration avec le SITN.
La méthode adoptée s’est organisée en deux phases : exploration d’architectures de réseaux de neurones convolutifs sur données RGB (EfficientNet, ResNet, ViT, BDD-Net), puis développement d’une architecture two-stream fusionnant données RGB et LiDAR d’intensité par fusion tardive.
Le dataset comprenait des vignettes de toitures extraites d’orthophotos 20cm/pixel, annotées manuellement selon une classification binaire endommagée/intacte.
Les résultats ont montré qu’EfficientNet-B7 atteint les meilleures performances avec 78.4% d’accuracy sur le jeu de test. L’architecture two-stream RGB-LiDAR exploite efficacement les complémentarités entre information visuelle et géométrique. Le système traite l’ensemble d’une commune en quelques heures contre plusieurs semaines manuellement.
Cette solution fournit un outil d’aide à la décision pour la gestion post-catastrophe. L’intégration dans l’écosystème géospatial cantonal est tout à fait envisageable. Les perspectives incluent l’extension géographique, la classification multiclasse des dommages, l’utilisation d’autres données pour augmenter la précision, etc.
Poster du travail de bachelor de Thoma Chalon
