面向桥梁状况评估的非破坏评估轮廓图自动解释研究——基于大语言模型
人工智能
2025-07-21 v1 信息检索
摘要
桥梁维护和安全是交通部门的必需之事，非破坏评估（NDE）技术对于评估结构完整性至关重要。然而，解释 NDE 数据可能需要大量时间，并且需要专业知识，从而可能延迟决策。近期大语言模型（LLM）的快速发展为自动化和改进这一分析提供了新的机会。本 pilot 研究引入了对 LLM 能力进行全面评估，以解释 NDE 轮廓图，并展示了 LLM 在提供详细桥梁状况分析方面的有效性。它建立了一个将 LLM 集成到桥梁检查工作流程中的框架，表明 LLM 辅助分析可以在不牺牲准确性的前提下提高效率。本研究探索了多种 LLM，并针对增强图像描述质量设计了特定提示，这些提示用于解释通过评估桥梁状况所用的五种不同的 NDE 轮廓图。每个 LLM 模型都根据其产生详细描述、识别缺陷、提供可操作建议以及整体准确性的能力进行评估。研究表明，其中四个模型能够更好地生成图像描述，有效覆盖与桥梁状况相关的广泛主题。将这四个模型的输出总结后，这些输出由五个不同的 LLM 总结，形成对桥梁的全面概览。值得注意的是，ChatGPT-4 和 Claude 3.5 Sonnet 能更有效地生成摘要。这些发现表明，LLM 有潜力显著提高效率和准确性。这项 pilot 研究提出了一种创新方法，利用 LLM 进行图像描述并行处理，总结，实现更快的桥梁维护决策，增强基础设施管理和安全评估。
引用
@article{arxiv.2507.14107,
title = {Automated Interpretation of Non-Destructive Evaluation Contour Maps Using Large Language Models for Bridge Condition Assessment},
author = {Viraj Nishesh Darji and Callie C. Liao and Duoduo Liao},
journal= {arXiv preprint arXiv:2507.14107},
year = {2025}
}