Qu'est-ce que l'inspection automatisée des infrastructures par drone ?

Inspection automatisée des infrastructures par drone

Définition et composants du système

L’inspection automatisée des infrastructures par drone est un processus technologique dans lequel un véhicule aérien sans pilote (UAV) exécute une mission de vol préprogrammée, définie par des points de cheminement, des motifs en grille, des itinéraires en couloir ou des chemins guidés par un modèle 3D, pour capturer des images et des données de capteurs d’actifs d’infrastructure avec une intervention humaine minimale pendant la phase d’acquisition de données. Le système remplace le modèle traditionnel d’un pilote distant contrôlant manuellement chaque mouvement de vol par un plan de mission que le drone exécute de manière autonome, en suivant des paramètres précisément définis pour l’altitude, la vitesse, le cap, l’intervalle de déclenchement de la caméra, l’orientation de la nacelle et le pourcentage de chevauchement.

L’architecture du système comprend huit composants principaux intégrés dans un flux de travail d’inspection transparent :

Plateforme UAV, La cellule, le système de propulsion, le contrôleur de vol et l’avionique qui fournissent la capacité de vol physique. Les plateformes vont des petits multirotors (DJI Mavic 3 Enterprise, Skydio X10) pesant moins de 4 kg pour l’inspection des chaussées aux systèmes plus grands (DJI Matrice 350 RTX, Freefly Astro) capables de transporter plusieurs charges utiles pour des levés d’infrastructures complets. Les spécifications clés incluent la masse maximale au décollage (MTOW), l’endurance de vol (généralement 25 à 45 minutes avec charge utile), l’indice de protection IP pour la tolérance environnementale et la redondance dans les systèmes critiques tels que les récepteurs GNSS, les IMU et la propulsion.

Logiciel de planification de mission, L’application au sol où les opérateurs définissent la mission d’inspection avant le vol. Les plateformes leaders incluent UgCS, DJI Pilot 2, Pix4Dcapture, DroneDeploy et Skydio Cloud. Ces outils permettent aux opérateurs de dessiner des zones de levé sur une carte, de spécifier les pourcentages de chevauchement, de définir l’altitude et la vitesse, de régler les angles de la nacelle et de configurer les paramètres de la caméra. Les planificateurs de mission avancés prennent en charge le suivi de terrain à l’aide d’un modèle numérique d’élévation (DEM) pour maintenir une distance d’échantillonnage au sol (GSD) constante sur un terrain variable, la planification basée sur un modèle 3D pour les structures complexes comme les ponts et les bâtiments, et l’orchestration de plusieurs vols pour la couverture de grandes zones.

Charges utiles de capteurs, Les instruments de collecte de données spécifiques à la mission montés sur le drone. La sélection de la charge utile détermine directement quels types de défauts peuvent être détectés. Les caméras RVB sont la norme pour la détection visuelle des fissures et la génération d’orthomosaïques. Les caméras thermiques détectent l’humidité souterraine, la délamination et les défauts d’isolation. Les scanners LiDAR génèrent des nuages de points de haute précision pour l’analyse de la déformation et les levés pénétrant la végétation. Les capteurs multispectraux permettent la classification des matériaux et l’évaluation de la santé de la végétation. La masse, la consommation électrique, le débit de données et les dimensions physiques de la charge utile doivent être compatibles avec la capacité de charge utile et les dispositions de montage de la plateforme UAV.

Détection et évitement d’obstacles (ODA), Le système de capteurs et de traitement embarqué qui empêche le drone d’entrer en collision avec des obstacles pendant le vol automatisé. Les systèmes modernes utilisent des caméras stéréoscopiques, des capteurs à temps de vol, du LiDAR ou un radar à ondes millimétriques pour détecter les obstacles sur la trajectoire de vol. L’algorithme d’évitement soit replanifie l’itinéraire autour de l’obstacle (replanification de chemin), soit met la mission en pause jusqu’à ce que l’obstacle soit dégagé. L’ODA est essentiel pour l’inspection à basse altitude de structures complexes où des grues, des lignes électriques, de la végétation et des éléments structurels peuvent ne pas être présents dans les données cartographiques préchargées.

Liaison de données de commande et de contrôle (C2), Le canal de communication entre la station de contrôle au sol et l’UAV pour la transmission de la télémétrie, des commandes de vol et des données de la charge utile. Pour les missions d’inspection automatisées, la liaison C2 doit fournir une bande passante suffisante pour le streaming vidéo en temps réel, les mises à jour de position à 5-10 Hz et la transmission de commandes avec une latence inférieure à 100 millisecondes. Pour les opérations BVLOS, la liaison C2 utilise généralement les réseaux cellulaires 4G/5G ou les liaisons satellite en bande Ku avec un transfert automatique entre les stations relais au sol. Des liaisons C2 redondantes avec basculement automatique sont requises pour les opérations au-delà de la ligne de vue directe conformément au Doc 10019 de l’OACI.

Système de transfert de données automatisé, Le mécanisme de transfert des données d’inspection capturées du drone vers l’infrastructure de traitement. Les méthodes incluent le transfert direct WiFi ou USB-C à l’atterrissage, le téléchargement cellulaire pendant le vol pour les ensembles de données plus petits, et les stations d’accueil automatisées qui déchargent les données et rechargent les batteries sans intervention humaine. La station d’accueil DVI2AM de Techno Sky, opérationnelle dans les aéroports italiens depuis 2022, démontre un transfert de données entièrement automatisé où le drone atterrit sur la station, se positionne avec précision à l’aide d’un atterrissage guidé par RTK, transfère les données via un réseau local à haute vitesse et se recharge automatiquement pour la mission suivante.

Géoréférencement et positionnement, Le système qui garantit que chaque image et point de données est lié à une coordonnée géographique connue. Le GNSS cinématique en temps réel (RTK) fournit une précision de position de 2 à 5 cm en recevant des corrections en temps réel d’une station de base. Le cinématique post-traité (PPK) atteint une précision similaire sans nécessiter de liaison de données en direct en enregistrant les observations GNSS brutes pour une correction après vol. Les points de contrôle au sol (GCP), des marqueurs physiquement levés avec des coordonnées connues, fournissent un ancrage de précision absolue. Pour l’inspection d’infrastructures nécessitant une précision de 1 à 3 cm, le positionnement RTK ou PPK combiné à au moins 5 à 8 GCP par projet est une pratique standard.

Pipeline d’analyse, Le système logiciel qui convertit les images brutes et les données des capteurs en résultats d’inspection exploitables. Cela comprend généralement le traitement photogrammétrique (génération d’orthomosaïques et de nuages de points via la structure par mouvement), des algorithmes de vision par ordinateur pour la détection et la classification des défauts (modèles d’apprentissage profond formés sur des milliers d’images de défauts étiquetées), des outils de mesure pour la largeur, la surface et le volume des fissures, et des modules de rapport qui génèrent des indices de condition (PCI selon l’ASTM D5340), des cartes de dégradations et des rapports de détection de changements.

Planification de vol automatisée

La planification de vol automatisée est le processus de définition du profil de mission complet d’un drone avant le décollage, en encodant la trajectoire de vol, les paramètres de capture de données et les procédures d’urgence dans un fichier de mission que le contrôleur de vol exécute de manière autonome. Cela élimine la variabilité introduite par le pilotage manuel, les angles de caméra incohérents, l’altitude variable, la vitesse inégale et les zones de couverture manquées, et garantit que chaque levé produit des données de qualité et de couverture cohérentes.

Planification basée sur des points de cheminement

La planification de vol basée sur des points de cheminement définit une séquence de coordonnées géographiques (latitude, longitude, altitude) que le drone parcourt dans l’ordre. À chaque point de cheminement, le script de mission peut déclencher des actions spécifiques : capturer une image, ajuster l’angle de la nacelle, changer la vitesse ou lancer un enregistrement de capteur. La planification par points de cheminement est la méthode la plus flexible, adaptée aux itinéraires d’inspection complexes qui suivent une géométrie d’actif irrégulière.

La planification moderne par points de cheminement prend en charge jusqu’à 500 à 1 000 points de cheminement par mission sur les plateformes commerciales. Chaque point de cheminement peut se voir attribuer un angle d’inclinaison de nacelle spécifique (de -90° au nadir à +45° vers le haut), permettant au drone de capturer des surfaces verticales telles que les piles de ponts, les façades de bâtiments et les murs de soutènement. La planification par points de cheminement est utilisée pour l’inspection des ponts où le drone doit suivre un chemin qui longe le tablier du pont, descend pour inspecter les appuis des poutres et monte pour capturer la face inférieure du tablier, un chemin de vol qui ne peut pas être décrit par un simple motif en grille ou en couloir.

Planification en grille

La planification en grille crée un motif en serpentin ou en tondeuse sur une zone polygonale définie, avec des lignes de vol parallèles espacées pour atteindre le chevauchement latéral spécifié entre les images adjacentes. La planification en grille est la méthode standard pour les levés de surface des chaussées, des pistes, des voies de circulation, des aires de trafic et des grands toits de bâtiments.

Les paramètres clés de la planification en grille incluent :

• Altitude AGL : Détermine la GSD. Pour la détection des fissures de piste, des altitudes de 30 à 50 m AGL produisent des valeurs de GSD de 1 à 3 mm/pixel avec des caméras de 20 MP.
• Chevauchement avant : Le pourcentage de chevauchement entre les images consécutives le long de la ligne de vol. Les levés d’infrastructures utilisent 80 à 90 % de chevauchement avant.
• Chevauchement latéral : Le pourcentage de chevauchement entre les lignes de vol adjacentes. Les valeurs standard sont de 70 à 80 % de chevauchement latéral.
• Vitesse : La vitesse au sol affecte le flou de mouvement. Pour l’inspection des chaussées, des vitesses de 3 à 8 m/s sont typiques, contraintes par la vitesse d’obturation de la caméra et la tolérance de flou acceptable (généralement <1 pixel).
• Double grille : Une deuxième passe orthogonale tournée à 90° par rapport à la grille primaire, utilisée pour la reconstruction 3D de structures où les angles de vue obliques améliorent la couverture des surfaces verticales.

Pour une piste standard de 3 000 m (largeur 45 m), un levé en grille à 50 m d’altitude avec 80 % de chevauchement avant et 70 % de chevauchement latéral nécessite environ 450 à 600 images. À 1 cm/pixel de GSD, cela produit une orthomosaïque d’environ 300 millions de pixels couvrant toute l’étendue de la piste.

Planification en couloir

La planification en couloir définit une trajectoire de vol le long d’un actif linéaire, d’un axe de piste, d’un itinéraire de pipeline, d’un couloir de ligne électrique ou d’un segment de route. Le drone suit l’axe du couloir tout en maintenant un décalage latéral et des paramètres d’altitude spécifiés pour une capture de données cohérente sur la longueur de l’actif.

La planification en couloir est essentielle pour l’inspection des infrastructures linéaires car la planification en grille sur l’ensemble du rectangle englobant serait inefficace. Pour une piste, le couloir suit l’axe de la piste à une altitude définie, avec des images capturées à des intervalles déterminés par l’exigence de chevauchement. La largeur du couloir est définie pour couvrir toute la largeur de la piste plus les marges de sécurité. Pour une piste de 45 m de large, une largeur de couloir de 60 m garantit une couverture complète, y compris les accotements.

La planification avancée en couloir prend en charge les chemins courbes suivant la géométrie de l’actif, l’altitude variable basée sur le profil du terrain et les passes bidirectionnelles pour une couverture stéréoscopique. Le drone ajuste automatiquement le cap pour maintenir l’alignement avec la direction du couloir, garantissant un angle solaire et une orientation d’ombre cohérents sur l’ensemble du levé.

Planification basée sur un modèle 3D

La planification basée sur un modèle 3D utilise un modèle numérique de surface (DSM), un modèle de données du bâtiment (BIM) ou un nuage de points préexistant de l’actif pour générer une trajectoire de vol qui maintient une distance de dégagement constante par rapport à la surface de la structure. Il s’agit de la forme la plus avancée de planification de vol automatisée et elle est essentielle pour inspecter des structures 3D complexes telles que les ponts, les stades, les installations industrielles et les tours de transmission.

L’algorithme de planification de vol calcule une surface de décalage par rapport à la surface à la distance de dégagement spécifiée (généralement 5 à 15 m pour une inspection détaillée) et génère un chemin qui couvre la surface de la structure avec le chevauchement spécifié. Le drone maintient une distance constante par rapport à la surface, que la surface soit verticale, horizontale ou incurvée. Pour un pont, cela signifie que le drone suit un chemin qui longe la surface du tablier, les faces des piles, les semelles inférieures des poutres et les murs de culée, le tout en une seule mission automatisée.

La planification basée sur un modèle 3D a été démontrée dans la recherche de Huang et al. (2023) pour l’inspection extérieure de bâtiments, où des modèles BIM ont été utilisés pour générer des chemins d’inspection qui atteignent des taux de couverture élevés (plus de 95 %) avec évitement d’occlusion et fonctionnement sans collision. La méthode est de plus en plus adoptée pour l’inspection des ponts, où la géométrie complexe des structures en treillis, des haubans et des assemblages d’appuis rend la planification de vol manuelle impraticable.

Détection et évitement d’obstacles

La détection et l’évitement d’obstacles (ODA) est la capacité du système qui permet à un drone de détecter des obstacles sur sa trajectoire de vol et de prendre des mesures d’évitement de manière autonome sans intervention du pilote. Pour les missions d’inspection automatisées, en particulier celles effectuées à basse altitude près d’infrastructures complexes, l’ODA est une fonction de sécurité essentielle.

Technologies de capteurs

Les systèmes ODA modernes utilisent plusieurs modalités de capteurs complémentaires :

La vision stéréoscopique utilise deux caméras frontales ou plus pour calculer des cartes de profondeur par triangulation, similaire à la vision stéréoscopique humaine. La profondeur est calculée pour chaque pixel dans le champ de vision des caméras qui se chevauchent, fournissant des informations denses sur les obstacles à des distances de 0,5 à 20 m. Le moteur d’autonomie de Skydio utilise six caméras de navigation 4K disposées en réseau sphérique pour fournir une couverture de détection d’obstacles à 360°. Le système traite plus de 240 millions de mesures de profondeur par seconde sur une plateforme embarquée NVIDIA Jetson TX2, permettant une détection d’obstacles en temps réel à des vitesses de vol allant jusqu’à 15 m/s.

Les capteurs à temps de vol (ToF) émettent des impulsions lumineuses infrarouges et mesurent le temps nécessaire au retour de la réflexion, fournissant des mesures de distance directes. Les capteurs ToF sont efficaces à courte portée (0,1-10 m) et fonctionnent dans des conditions de faible luminosité où les systèmes basés sur la vision se dégradent. Ils sont couramment utilisés pour la détection d’obstacles vers le bas lors de l’atterrissage et pour le positionnement de précision dans les stations de charge automatisées.

Le LiDAR fournit un balayage 3D actif de l’environnement en émettant des impulsions laser et en mesurant les temps de retour. L’ODA basé sur le LiDAR fonctionne à des distances de 50 à 200 m selon la puissance du capteur et la réflectivité de la cible. Il est efficace dans l’obscurité, le brouillard et la pluie, conditions dans lesquelles les systèmes basés sur la vision échouent. L’Ouster OS0-128, un LiDAR à 128 canaux couramment intégré sur les drones industriels, fournit un champ de vision vertical de 90° et une couverture horizontale de 360°, générant 2,6 millions de points par seconde. L’ODA LiDAR est particulièrement précieux pour les opérations BVLOS où le drone doit détecter et éviter d’autres aéronefs (avec et sans pilote) lors de missions prolongées au-delà de la portée visuelle.

Le radar à ondes millimétriques utilise des ondes radio à 77-79 GHz pour détecter les obstacles à des distances allant jusqu’à 300 m, pénétrant le brouillard, la pluie, la poussière et la fumée plus efficacement que les capteurs optiques. L’ODA radar fournit des informations de distance et de vitesse mais une résolution angulaire limitée, ce qui le rend adapté à la détection de grands obstacles et du trafic aérien plutôt que de petits obstacles comme les lignes électriques.

Stratégies d’évitement d’obstacles

Les systèmes ODA mettent en œuvre plusieurs stratégies d’évitement en fonction du mode opérationnel et du type d’obstacle :

Arrêter et attendre, Le drone interrompt son mouvement vers l’avant lorsqu’un obstacle est détecté et attend que l’obstacle se dégage ou qu’une intervention de l’opérateur ait lieu. C’est la stratégie la plus sûre et c’est le mode par défaut de la plupart des drones commerciaux.

Replanification de chemin, Le drone calcule un chemin alternatif autour de l’obstacle détecté tout en maintenant les objectifs globaux de la mission. Les algorithmes de replanification de chemin utilisent des arbres aléatoires à exploration rapide (RRT), la recherche A* ou des méthodes de champ potentiel pour trouver des chemins sans collision. Cette stratégie est essentielle pour l’inspection automatisée dans des environnements encombrés où s’arrêter à chaque obstacle rendrait la mission impraticable.

Monter et continuer, Le drone augmente son altitude pour dégager l’obstacle, puis reprend la trajectoire de vol prévue. Cette stratégie fonctionne pour les obstacles de hauteur limitée tels que les véhicules, les équipements et les petites structures sur le site d’inspection.

Retour au dernier point de cheminement sûr, Si aucun chemin alternatif sûr n’est trouvé, le drone retourne au dernier point de cheminement où il avait une trajectoire de vol dégagée et fait une pause pour les instructions de l’opérateur. C’est le comportement de sécurité en cas de défaillance lorsque l’ODA rencontre un obstacle qui ne peut être évité en toute sécurité par aucune stratégie disponible.

Exigences réglementaires

Le Doc 10019 de l’OACI (Manuel sur les systèmes d’aéronefs télépilotés) spécifie les exigences de détection et d’évitement (DAA) pour les opérations de RPAS, stipulant que le système DAA doit fournir au pilote distant la capacité de détecter le trafic conflictuel et d’autres dangers et de manœuvrer le RPA pour éviter les collisions. Pour les drones d’inspection automatisés opérant en BVLOS, le système DAA doit démontrer un niveau de sécurité équivalent aux exigences de voir et d’éviter des aéronefs avec pilote (14 CFR 91.113 et Annexe 2 de l’OACI, Règle 14).

La règle proposée Part 108 de la FAA (Avis de proposition de réglementation, 2024) inclut des exigences spécifiques pour les drones automatisés opérant en BVLOS, imposant que l’aéronef soit équipé d’un système DAA capable de détecter et d’éviter les aéronefs avec pilote, les obstacles et les autres UAS. Le système doit fournir au moins le niveau de sécurité fourni par les exigences visuelles de voir et d’éviter de la Part 91.113, évalué par le processus de gestion des risques de sécurité de la FAA conformément à l’Ordre FAA 8040.4.

Opérations au-delà de la ligne de vue directe (BVLOS)

Au-delà de la ligne de vue directe (BVLOS) fait référence aux opérations de drone où l’aéronef opère au-delà de la portée visuelle du pilote distant ou de l’observateur visuel. Le BVLOS est le cadre réglementaire habilitant pour l’inspection automatisée des infrastructures à grande échelle, car il permet à un seul opérateur de surveiller des actifs s’étendant sur des milliers de mètres, des longueurs de piste complètes, des kilomètres de pipeline ou de vastes réseaux de ponts, sans repositionner le pilote ou les observateurs visuels le long de l’actif.

Cadre réglementaire

Aux États-Unis, la FAA Part 107 exige actuellement une ligne de vue directe (VLOS) pour les opérations commerciales de petits UAS. Les opérations BVLOS nécessitent des dérogations en vertu du 14 CFR 107.200, que l’opérateur doit obtenir en démontrant un niveau de sécurité équivalent par des moyens de conformité alternatifs. En 2024, la FAA avait délivré moins de 600 dérogations BVLOS à l’échelle nationale, les taux d’approbation augmentant à mesure que la technologie DAA mûrit.

Le NPRM Part 108 de la FAA (février 2024) propose d’établir un nouveau cadre réglementaire spécifiquement pour les opérations BVLOS. Les exigences proposées incluent : (1) l’UAS doit être conçu selon les normes de fiabilité recommandées par la FAA pour l’environnement opérationnel prévu, (2) l’UAS doit avoir un moyen de conformité pour la DAA qui répond ou dépasse la sécurité du 14 CFR 91.113, (3) les opérateurs doivent suivre une formation supplémentaire au-delà de la certification de pilote distant Part 107, (4) les opérations sont limitées à 400 ft AGL et aux classes d’espace aérien G et E (avec autorisation supplémentaire pour l’espace aérien contrôlé), et (5) l’aéronef doit être équipé de Remote ID transmettant sur des protocoles de diffusion et réseau.

En Europe, les réglementations de l’EASA en vertu du règlement d’exécution (UE) 2019/947 établissent trois catégories opérationnelles pour les opérations UAS. Les opérations BVLOS relèvent de la catégorie Spécifique, nécessitant une autorisation opérationnelle de l’autorité nationale de l’aviation (par exemple, ENAC en Italie, DGAC en France, CAA au Royaume-Uni). L’opérateur doit soumettre une évaluation des risques pour les opérations spécifiques (SORA) conformément aux directives JARUS, qui évalue les risques au sol et les risques aériens pour déterminer les mesures d’atténuation requises. Techno Sky a obtenu l’autorisation ENAC pour l’inspection BVLOS des ILS dans les aéroports italiens en 2021, devenant ainsi le premier opérateur UAV autorisé pour les opérations BVLOS dans les environnements aéroportuaires en Europe.

Exigences techniques pour le BVLOS

Les opérations BVLOS réussies nécessitent des systèmes techniques robustes au-delà des opérations VLOS standard :

Liaison de données C2 fiable avec une portée suffisante pour maintenir le contrôle tout au long de la mission. Pour l’inspection de piste d’aéroport couvrant 3 000 m, la liaison C2 doit fournir une couverture sur toute la longueur de la piste. Les réseaux cellulaires 4G/5G sont de plus en plus utilisés pour les liaisons C2 BVLOS, offrant une portée limitée uniquement par la couverture réseau. Le spectre étalé à saut de fréquence (FHSS) dans les bandes ISM 2,4 GHz et 5,8 GHz offre une portée de 5 à 15 km avec une hauteur d’antenne adéquate et une ligne de vue. Pour les opérations au-delà de la couverture cellulaire, les liaisons satellite en bande Ku offrent une couverture mondiale avec une latence plus élevée (250-600 ms).

Remote ID transmettant l’identité, la position, l’altitude, la vitesse et l’emplacement de la station de contrôle du drone. Le Remote ID permet la gestion du trafic aérien et la connaissance des opérations de drone par les aéronefs avec pilote. La FAA exige le Remote ID en vertu du 14 CFR 89 pour toutes les opérations, avec une transmission basée sur la diffusion dans la bande 915 MHz et une transmission réseau via Bluetooth ou WiFi.

Système de terminaison de vol (FTS) capable d’amener le drone à un atterrissage contrôlé ou à une descente en parachute en cas de défaillance critique du système. Pour les opérations BVLOS au-dessus de zones peuplées ou d’infrastructures critiques, le FTS doit être démontré pour terminer le vol de manière fiable dans une zone de sécurité définie. Le drone DVI2AM de Techno Sky intègre un FTS conforme à l’EASA avec parachute balistique capable d’une descente sûre de l’ensemble du système depuis l’altitude opérationnelle.

Capacité de réception de la surveillance dépendante automatique en diffusion (ADS-B IN) pour recevoir les transmissions des aéronefs avec pilote à proximité, fournissant une connaissance de la situation qui complète le système DAA. Le drone doit être équipé d’un récepteur ADS-B capable de décoder les transmissions Extended Squitter à 1090 MHz et d’alerter l’opérateur du trafic convergent.

Charges utiles de capteurs

La charge utile de capteur transportée par le drone d’inspection détermine quels types de défauts peuvent être détectés, la précision de mesure réalisable et les produits de données qui peuvent être générés. Différents scénarios d’inspection d’infrastructures nécessitent différentes combinaisons de capteurs.

Caméras RVB

Les caméras RVB (spectre visible) capturent des images en couleur avec des canaux rouge, vert et bleu, produisant des images qui correspondent à la perception visuelle humaine. Les caméras RVB à haute résolution sont le capteur principal pour l’inspection des chaussées, la détection des fissures, la cartographie des dégradations de surface et la génération d’orthomosaïques.

Les caméras RVB modernes pour charge utile de drone offrent une résolution de 20 à 61 mégapixels avec des mécanismes d’obturateur global qui éliminent la distorsion de l’obturateur déroulant, essentielle pour une reconstruction photogrammétrique cohérente. Le capteur Sony plein format 61 MP (utilisé dans les charges utiles Phase One iXM-60 et Hasselblad H6D-100c) offre une qualité d’image exceptionnelle à 1 cm ou plus fin de GSD à partir des altitudes d’inspection standard.

Pour l’inspection des chaussées de piste, les caméras RVB doivent résoudre des fissures aussi étroites que 0,3 mm. À 30 m d’altitude avec un objectif de 24 mm de focale et un pas de pixel de 3,76 µm, la GSD est de 4,7 mm/pixel, ce qui est insuffisant pour la détection de fissures submillimétriques. Pour atteindre une GSD de 1 mm/pixel, le drone doit voler à 15 m d’altitude ou utiliser un objectif à plus longue focale, ce qui réduit la zone couverte par image et augmente le temps de vol. La norme industrielle pour les levés PCI de piste est une GSD de 1 à 3 mm/pixel, nécessitant un équilibre minutieux entre l’efficacité de couverture et la capacité de détection des fissures.

Caméras infrarouges thermiques

Les caméras infrarouges thermiques détectent le rayonnement infrarouge à ondes longues (longueur d’onde 8-14 µm) émis par tous les objets au-dessus du zéro absolu. L’imagerie thermique révèle des différences de température sur la surface inspectée qui indiquent des conditions souterraines invisibles aux caméras RVB.

L’inspection thermique détecte : l’infiltration d’humidité où le refroidissement par évaporation crée des points froids sur les surfaces humides, la délamination où les poches d’air piégées créent des barrières thermiques produisant des points chauds lors du chauffage solaire et des points froids lors du refroidissement nocturne, les vides souterrains où les espaces d’air créent des effets d’isolation visibles sous forme d’anomalies de température, et l’écaillage où le détachement du béton crée des ponts thermiques entre les couches intactes et séparées.

Le Tau 2 de FLIR et le Zenmuse H20T de DJI sont des charges utiles thermiques courantes pour l’inspection par drone, offrant une résolution de 640 × 512 pixels avec une sensibilité thermique de 0,05°C (différence de température équivalente au bruit, NETD). Pour l’inspection des chaussées, les levés thermiques sont effectués pendant le cycle de chauffage solaire (10h00-14h00 heure locale) lorsque l’irradiation solaire crée la différence de température maximale entre la chaussée saine et délaminée. La recherche de la Federal Highway Administration (FHWA-HIF-19-002) a révélé que les levés thermiques par drone détectaient les zones de tablier de pont délaminées avec une précision de 85 à 90 % par rapport aux levés de vérité terrain par chaîne et par marteau.

Scanners LiDAR

Les capteurs de détection et télémétrie par la lumière (LiDAR) émettent des impulsions laser et mesurent le temps nécessaire à chaque impulsion pour se réfléchir sur les surfaces et revenir au capteur, produisant des mesures de distance 3D directes. Le LiDAR génère des nuages de points avec des densités de points typiques de 100 à 500 points par mètre carré à partir d’altitudes de drone de 50 à 100 m, avec une précision verticale de 1 à 3 cm pour les capteurs de qualité levé.

Le LiDAR offre trois capacités clés non disponibles par la seule photogrammétrie : la pénétration de la végétation où les impulsions LiDAR traversent les interstices du feuillage pour mesurer l’élévation de la surface du sol, la mesure 3D directe sans nécessiter de texture d’image ou de lumière ambiante, et les données d’intensité de retour où la force de l’impulsion réfléchie indique les propriétés du matériau de surface.

Pour l’inspection des infrastructures, le LiDAR est utilisé pour : la mesure de la déflexion des ponts sous charge statique (précision 2-5 mm avec LiDAR au sol), la mesure de la flèche des lignes électriques et la vérification des dégagements, la cartographie du terrain pour l’analyse du drainage et le calcul du volume, et la vérification de la conformité à l’état existant par rapport aux modèles de conception. Le Riegl VUX-1LR, un capteur LiDAR pour drone populaire, atteint une portée de 100 m avec une précision de 10 mm à 50 m et un taux de répétition d’impulsions de 400 kHz, produisant des nuages de points avec jusqu’à 100 points par mètre carré à partir de 50 m d’altitude.

Capteurs multispectraux

Les capteurs multispectraux capturent des images dans plusieurs bandes de longueur d’onde étroites au-delà du spectre visible, incluant généralement le bord rouge (710-730 nm), le proche infrarouge (840-860 nm) et parfois plusieurs bandes dans le spectre visible. Les données multispectrales permettent la classification des matériaux par analyse de signature spectrale, où différents matériaux (asphalte, béton, végétation, eau, métal) réfléchissent différentes proportions du rayonnement incident à chaque longueur d’onde.

Pour l’inspection des chaussées, les capteurs multispectraux peuvent distinguer les surfaces en asphalte et en béton, identifier les zones de contamination par l’huile ou le carburant (qui apparaissent comme des caractéristiques d’absorption dans les bandes SWIR), détecter l’empiètement de la végétation aux bords de la chaussée et évaluer la teneur en humidité via les bandes d’absorption d’eau dans le proche infrarouge. Le Micasense RedEdge-P fournit cinq bandes spectrales (bleu, vert, rouge, bord rouge, proche infrarouge) à une résolution de 1,2 MP par bande, avec un capteur de lumière descendante (DLS) pour l’étalonnage des conditions d’éclairage ambiant.

Cohérence de la capture de données

La cohérence des données entre les levés répétés est l’avantage déterminant de l’inspection automatisée par drone par rapport aux méthodes manuelles. Lorsqu’un drone suit la même trajectoire de vol programmée avec des paramètres identiques à chaque visite, les ensembles de données résultants peuvent être directement comparés pour la détection de changements sans les effets confondants de conditions de capture variables.

Paramètres de vol avec tolérance définie

Les paramètres suivants doivent être contrôlés dans des tolérances définies pour garantir la cohérence des données :

Cohérence du géoréférencement

L’inspection automatisée repose sur un géoréférencement cohérent entre les levés. Le positionnement GNSS RTK fournit la position de la caméra du drone à chaque point de capture d’image avec une précision de 2 à 5 cm. Cette position, combinée à l’orientation de la caméra (angles de la nacelle), définit les paramètres d’orientation extérieure de la caméra qui ancrent chaque image dans l’espace géographique.

Pour l’analyse de détection de changements, les levés répétés doivent être co-enregistrés dans le même système de référence de coordonnées. Le processus de co-enregistrement utilise des caractéristiques invariantes (marquages de chaussée, feux de piste, structures fixes) pour calculer une transformation qui aligne l’orthomosaïque du levé N sur l’orthomosaïque du levé 1. L’erreur d’alignement résiduelle après co-enregistrement doit être inférieure à 2 pixels, soit l’équivalent de 2 à 6 mm aux valeurs de GSD typiques.

La plateforme de TarmacView valide les données d’entrée par rapport à des critères de qualité définis avant de les accepter dans le pipeline d’analyse. Si l’altitude de vol s’écarte au-delà de la tolérance, ou si le chevauchement tombe en dessous du seuil minimum, le système signale le levé pour examen de la qualité des données. Ce contrôle garantit que seules des données cohérentes et de qualité analytique entrent dans le flux de travail d’évaluation de l’état.

Standardisation de l’éclairage et de l’environnement

Des conditions d’éclairage cohérentes réduisent les faux positifs dans la détection automatisée des défauts. Les fissures de chaussée créent des signatures visuelles différentes sous différents angles solaires : une fissure de 1 mm est clairement visible à un angle solaire faible (10-20°) où elle projette une ombre détectable, mais presque invisible à un angle solaire élevé (60-90°) où l’intérieur de la fissure est directement éclairé.

La pratique standard pour les levés de chaussée répétés spécifie que les vols doivent être effectués à ±1 heure de la même heure solaire à chaque visite, avec une couverture nuageuse ne dépassant pas 30 % et aucune eau stagnante sur la surface de la chaussée. L’angle d’élévation solaire doit dépasser 30° pour garantir un éclairage adéquat tout en maintenant un contraste d’ombre suffisant pour les algorithmes de détection des fissures. Le module de planification de mission de TarmacView calcule automatiquement les fenêtres de vol optimales en fonction de l’emplacement et de la date du levé, en tenant compte de l’éphéméride solaire locale.

Transfert et traitement automatisés des données

L’automatisation du transfert et du traitement des données complète le flux de travail d’inspection de bout en bout, transformant les images brutes en rapports exploitables sans intervention manuelle entre le vol et l’analyse.

Méthodes de transfert de données

Le transfert par câble direct est la méthode la plus simple : l’opérateur connecte le drone à un ordinateur via USB-C ou Ethernet après l’atterrissage et lance manuellement le téléchargement des données. Pour un levé de piste de 300 images à 20 MP (environ 6 Go de données), le transfert via USB 3.0 prend 2 à 5 minutes. Cette méthode est fiable mais nécessite une présence humaine et une action manuelle, limitant le degré d’automatisation.

Le transfert par station d’accueil permet un déchargement entièrement automatisé des données. Lorsque le drone atterrit sur la station d’accueil, une connexion de données à haute vitesse (USB 3.0 ou Gigabit Ethernet) lance automatiquement le transfert de données tandis que la station commence simultanément la charge de la batterie. Les stations DJI Dock 2 et DVI2AM de Techno Sky prennent toutes deux en charge cette fonction. Les données sont transférées vers un serveur local ou un stockage cloud en 10 à 15 minutes pour un levé complet. La station peut préparer le drone pour la mission suivante, batteries rechargées, étalonnage du capteur vérifié et plan de vol mis à jour, sans aucune interaction humaine.

Le transfert cellulaire pendant le vol diffuse les données vers le traitement cloud pendant la mission elle-même, en utilisant des modems 4G/5G intégrés au drone. Cela permet un traitement quasi en temps réel où la génération d’orthomosaïque commence avant même que le drone n’ait atterri. Pour les grands ensembles de données (6+ Go par levé), le transfert cellulaire prolonge le temps de livraison des données par rapport au transfert par station d’accueil (30-60 minutes), mais offre l’avantage de permettre un délai d’exécution rapide pour les inspections urgentes.

Pipeline de traitement automatisé

Le pipeline de traitement automatisé convertit les images brutes en livrables d’inspection à travers plusieurs étapes :

La reconstruction photogrammétrique utilise des algorithmes de structure par mouvement pour aligner les images, calculer les positions de la caméra, générer des nuages de points denses et produire des orthomosaïques et des DSM. Le traitement d’un levé de piste de 300 images à 1 cm de GSD nécessite environ 2 à 4 heures sur une station de travail accélérée par GPU (NVIDIA RTX 4090 ou équivalent). Les services de traitement cloud (Pix4Dmatic, Agisoft Metashape cloud) réduisent ce délai à 30-60 minutes en utilisant le calcul distribué sur plusieurs nœuds GPU.

L’assurance qualité valide la reconstruction par rapport à des critères définis : GSD dans la tolérance de la cible du plan de vol, RMSE des points de contrôle inférieur à 2 cm horizontal et 3 cm vertical, continuité des coutures d’orthomosaïque sans artefacts de fusion visibles ni déséquilibres de couleur, densité du nuage de points suffisante pour la détection des défauts à la taille de caractéristique minimale requise.

La détection et la classification des défauts appliquent des algorithmes de vision par ordinateur et des modèles d’apprentissage profond pour identifier, classer et mesurer les défauts de surface sur l’orthomosaïque. Le modèle d’apprentissage profond, généralement une architecture U-Net, DeepLabV3+ ou Mask R-CNN formée sur 10 000+ images de défauts d’infrastructure étiquetées, effectue une segmentation sémantique au niveau du pixel qui classe chaque pixel comme surface intacte, fissure (longitudinale, transversale, en alligator, en bloc), éclat, rapiéçage, désenrobage ou dégradation de joint. La largeur des fissures est mesurée avec une précision de 0,2 mm à l’aide d’une détection de bord sous-pixel.

Le calcul de l’indice de condition calcule les mesures globales de l’état de la chaussée selon la méthodologie PCI de l’ASTM D5340. La chaussée est divisée en unités d’échantillonnage (généralement 20 dalles contiguës pour les chaussées en béton à joints, ou des sections de 500 m² pour les chaussées en asphalte). Dans chaque unité d’échantillonnage, la densité de chaque type de dégradation à chaque niveau de sévérité est calculée, les valeurs de déduction sont déterminées à partir des tableaux ASTM et le PCI est calculé sur une échelle de 0 à 100.

Intégration avec TarmacView

La plateforme d’inspection de TarmacView fournit le moteur d’analyse et de rapport qui consomme les données de levé automatisé par drone et produit des évaluations de l’état alignées sur les normes de l’industrie aéronautique. Sur un aérodrome, le levé qui l’alimente est une inspection de piste par drone , effectuée entre les mouvements d’aéronefs et positionnée par GNSS RTK, qui couvre la géométrie, la photométrie relative et l’état de surface et s’arrête à la photométrie absolue, aux tests électriques et à l’étalonnage des aides radio à la navigation.

Exigences d’entrée

TarmacView accepte les orthomosaïques, les nuages de points et les données DSM générés à partir de levés automatisés par drone. Les exigences d’entrée incluent : GSD d’orthomosaïque de 1 à 3 mm/pixel pour l’analyse PCI de piste, avec une GSD plus élevée (1 mm ou mieux) requise pour la mesure de la largeur des fissures en dessous de 0,5 mm. L’orthomosaïque doit être géoréférencée dans un système de référence de coordonnées connu (WGS84 UTM ou le SCR local) avec validation du point de contrôle. Le chevauchement des images doit être vérifié pour répondre aux seuils minimaux requis pour la reconstruction photogrammétrique (80 % avant, 70 % latéral). Les données doivent être livrées avec des métadonnées EXIF complètes, y compris la position GNSS, l’altitude, l’orientation de la nacelle, les paramètres d’étalonnage de la caméra et l’horodatage de capture pour chaque image.

Flux de travail d’analyse

Lorsqu’un ensemble de données de levé est téléchargé sur TarmacView, la plateforme exécute un flux de travail d’analyse structuré :

1. Ingestion des données, L’orthomosaïque et le nuage de points sont chargés dans la base de données spatiale. Les champs de métadonnées (date du levé, paramètres de vol, modèle de drone, modèle de caméra, GSD, SCR) sont extraits et validés par rapport aux exigences du projet.

2. Segmentation de la chaussée, La zone de chaussée est automatiquement extraite de l’orthomosaïque à l’aide de modèles de segmentation d’apprentissage profond formés sur l’imagerie d’aérodrome. Les marquages de piste, les accotements, les aires de dégagement et les voies de circulation adjacentes sont identifiés et séparés de la chaussée d’analyse.

3. Délimitation des unités d’échantillonnage, La chaussée est divisée en unités d’échantillonnage PCI selon l’ASTM D5340. Pour les chaussées d’aérodrome en béton à joints, les unités sont définies comme 20 dalles consécutives (±1 dalle) selon l’ASTM D5340-19 Section 8.3.1. Pour les chaussées en asphalte, les unités sont d’environ 500 m². Les limites des unités d’échantillonnage sont stockées sous forme de polygones spatiaux dans le modèle de données SIG.

4. Détection automatisée des dégradations, Le pipeline de vision par ordinateur traite chaque unité d’échantillonnage, détectant et classant tous les types de dégradations PCI standard : types de fissures (longitudinales, transversales, diagonales, en alligator, en bloc), éclats, rapiéçages, éclats de joint, cassure d’angle, dalle brisée, soulèvement, pompage, faillage, tassement, désenrobage, usure météorologique, ressuage, orniérage, ondulation, dépression, gonflement et granulats polis. Chaque instance de dégradation est stockée sous forme de polygone vectoriel géoréférencé avec des attributs pour le type de dégradation, la sévérité (Faible, Moyenne, Élevée selon les critères ASTM), les dimensions mesurées (longueur, largeur, surface) et le score de probabilité du modèle de détection.

5. Calcul du PCI, Pour chaque unité d’échantillonnage, les densités de dégradations sont calculées, les valeurs de déduction sont appliquées à partir des courbes de valeur de déduction de l’ASTM D5340, et la valeur de déduction corrigée (CDV) est extraite par ajustement itératif. Le PCI final pour chaque unité est calculé comme 100 moins la CDV.

6. Génération du rapport, TarmacView produit un rapport d’inspection complet comprenant : le PCI global pour la piste et les PCI des unités d’échantillonnage individuelles, les cartes de dégradations superposées sur l’orthomosaïque avec code couleur de sévérité, les tableaux de mesure des fissures avec la longueur, la largeur et la classification pour chaque fissure détectée, la distribution statistique des types de dégradations sur l’ensemble de la chaussée, et l’analyse des tendances comparant le PCI actuel aux levés historiques.

Cadre réglementaire

Les opérations d’inspection automatisée par drone sont régies par un cadre réglementaire à plusieurs niveaux couvrant les normes internationales, les réglementations nationales et les restrictions locales de l’espace aérien.

International : Normes OACI

Annexe 6, Partie IV de l’OACI, Normes internationales et pratiques recommandées pour les systèmes d’aéronefs télépilotés (RPAS), effective novembre 2026, établit le cadre international pour les opérations de RPAS, y compris les drones d’inspection. L’annexe couvre la certification de navigabilité (les RPAS doivent répondre aux normes de certification de type appropriées à leur catégorie), la certification des opérateurs (les opérateurs doivent détenir un certificat d’opérateur RPAS), la licence des pilotes distants (les pilotes doivent détenir une licence de pilote distant) et les règles opérationnelles pour le vol automatisé et au-delà de la ligne de vue directe.

Annexe 14, Volume I de l’OACI, Conception et exploitation technique des aérodromes, régit les caractéristiques physiques des aérodromes, y compris les exigences relatives à l’état de surface des chaussées. L’annexe spécifie que l’état de surface de la piste doit être surveillé et maintenu dans des limites définies, avec une attention particulière aux caractéristiques de friction, aux irrégularités de surface et à l’accumulation de contaminants. L’inspection automatisée par drone fournit les données cohérentes et mesurables requises pour la vérification de la conformité à l’Annexe 14. Les restrictions de hauteur pour les drones sur les aérodromes sont traitées dans la Section 4.2 de l’Annexe 14 (Surfaces de limitation d’obstacles) et le Manuel sur les systèmes d’aéronefs télépilotés (Doc 10019).

Doc 8071 de l’OACI, Manuel sur les essais des aides radio à la navigation, Volume 3 (Essais des systèmes de navigation par satellite), fait référence à l’inspection par UAV des systèmes d’atterrissage aux instruments et autres aides à la navigation. La solution d’inspection automatisée des ILS par UAV de Techno Sky, approuvée par l’ENAC en 2021, démontre la conformité aux exigences de mesure du Doc 8071 pour l’alignement du cap du localizer, l’angle de pente de descente et la sensibilité au déplacement.

États-Unis : Réglementations FAA

14 CFR Part 107, Small Unmanned Aircraft Systems, régit les opérations commerciales d’UAS de moins de 25 kg (55 lbs). Exigences clés pour l’inspection automatisée : certification de pilote distant (certificat de pilote distant Part 107), enregistrement de l’aéronef, opérations VLOS (ou dérogation BVLOS en vertu de 107.200), opérations de jour (ou dérogation de nuit en vertu de 107.29), altitude maximale de 400 ft AGL, vitesse au sol maximale de 100 mph (87 nœuds) et conformité Remote ID (14 CFR Part 89).

Des dérogations Part 107 ont été accordées pour les opérations d’inspection automatisée lorsque les opérateurs démontrent une sécurité équivalente. En 2024, la FAA avait accordé plus de 1 200 dérogations BVLOS à l’échelle nationale, dont 65 % approuvées pour des opérations dans un espace aérien contrôlé avec coordination avec le contrôle du trafic aérien.

14 CFR Part 108 (proposée, 2024), Établira un nouveau cadre réglementaire spécifiquement pour les opérations BVLOS de drone. La règle proposée inclut des exigences pour : les normes de conception et de production des aéronefs, l’analyse de fiabilité et la navigabilité continue, les normes de performance du système DAA, la certification des opérateurs avec formation renforcée, les autorisations opérationnelles sans demandes de dérogation individuelles et les volumes opérationnels BVLOS standardisés.

Circulaire consultative FAA 107-2, Small Unmanned Aircraft Systems, fournit des conseils pour la conformité à la Part 107. L’AC 107-2A traite spécifiquement des opérations d’inspection, notant que la planification et l’exécution de vol automatisées sont autorisées en vertu de la Part 107 tant que le pilote distant maintient la capacité de remplacer l’automatisation et de contrôler manuellement l’aéronef.

Europe : Réglementations EASA

Règlement d’exécution (UE) 2019/947, Règles et procédures pour l’exploitation d’aéronefs sans pilote, établit trois catégories opérationnelles :

La catégorie Spécifique s’applique à la plupart des opérations d’inspection automatisées, en particulier le BVLOS et les vols au-dessus d’infrastructures critiques. L’opérateur doit soumettre une évaluation des risques pour les opérations spécifiques (SORA) conformément aux directives JARUS, qui évalue les classes de risque au sol et aérien pour déterminer les mesures d’atténuation de sécurité requises. L’autorisation ENAC de Techno Sky pour l’inspection BVLOS des ILS dans les aéroports italiens relève de la catégorie Spécifique avec une SORA démontrant que le vol automatisé, les liaisons C2 redondantes et le FTS réduisent le risque opérationnel à des niveaux acceptables.

Certificat d’opérateur léger UAS (LUC) de l’EASA, Les opérateurs répondant à des exigences de compétence spécifiques peuvent auto-autoriser les opérations dans le cadre des privilèges accordés par leur LUC. Techno Sky détient un LUC EASA qui autorise les opérations d’inspection BVLOS automatisées dans les aéroports italiens, démontrant que le système de gestion de la sécurité, le programme de formation et les procédures opérationnelles de l’opérateur répondent aux normes EASA pour l’autorégulation.

Exigences Remote ID

Remote ID est la capacité d’un drone en vol à diffuser son identification, sa position, son altitude, sa vitesse et l’emplacement de sa station de contrôle. Le Remote ID permet aux régulateurs de l’espace aérien, aux pilotes d’aéronefs avec pilote et aux forces de l’ordre d’identifier et de suivre les drones pendant le vol.

Aux États-Unis, 14 CFR Part 89, Remote Identification of Unmanned Aircraft, exigeait la conformité Remote ID au 16 septembre 2023. Les drones fabriqués après cette date doivent avoir une capacité de diffusion Remote ID intégrée, transmettant sur WiFi ou Bluetooth à un taux de mise à jour de 1 Hz avec une précision de position de 10 m. Les drones d’inspection automatisés opérant en BVLOS doivent transmettre le Remote ID via des méthodes de diffusion et de réseau (internet).

En Europe, le règlement délégué (UE) 2019/945 exige le Remote ID pour tous les drones de la catégorie Spécifique et pour les drones de la catégorie Ouverte avec un marquage de classe. La norme exige la diffusion du numéro d’enregistrement de l’opérateur, du numéro de série de l’UAS, de la position géographique de l’UAS et de la station du pilote distant, et de l’horodatage.

Levés répétés et détection de changements

La capacité d’effectuer des levés automatisés reproductibles et de détecter les changements au fil du temps est l’une des capacités les plus puissantes offertes par l’inspection automatisée par drone. Des paramètres de vol, un géoréférencement et un traitement des données cohérents garantissent que les différences entre les levés successifs reflètent les changements réels de l’actif plutôt que la variabilité des mesures.

Méthodologie de comparaison temporelle

La détection de changements entre les levés successifs suit une méthodologie structurée :

Le co-enregistrement aligne l’orthomosaïque et le nuage de points du levé N sur la base de référence du levé 1 en utilisant des caractéristiques de référence invariantes. Une matrice de transformation (généralement une transformation de corps rigide ou affine avec 6 à 7 paramètres) est calculée à partir de points de liaison automatiquement appariés sur les marquages de chaussée, les feux de piste et les structures fixes. L’erreur résiduelle après co-enregistrement doit être inférieure à 2 pixels. Le co-enregistrement tient compte des petites variations de la trajectoire de vol et du positionnement GNSS qui ne peuvent être éliminées par la seule automatisation.

La différenciation au niveau du pixel calcule la différence des valeurs de pixel entre l’orthomosaïque de référence et celle de répétition pour chaque emplacement de pixel. L’image de différence met en évidence les zones de changement (nouvelles fissures, rapiéçage, taches, accumulation de caoutchouc) comme des régions avec un écart de valeur de pixel statistiquement significatif. Le seuil de changement significatif est fixé à 3 écarts types de la distribution de différence par pixel, correspondant à un niveau de confiance de 99,7 % que le changement est réel plutôt que du bruit de mesure.

La détection de changements basée sur les vecteurs pour les instances de défauts spécifiques compare les polygones de fissures et de dégradations détectés dans chaque levé. Une fissure détectée dans le levé N qui n’était pas présente dans le levé N-1 est classée comme nouveau développement. Une fissure dont la longueur a augmenté de plus de 5 cm entre les levés est classée comme propagation. Les fissures dont la largeur a diminué ou qui ont disparu sont classées comme interventions de maintenance (scellées ou réparées). Chaque instance de changement est enregistrée avec l’ampleur du changement, l’intervalle de temps et la confiance statistique.

Métriques de changement quantitatives

Les métriques suivantes sont calculées pour chaque unité d’échantillonnage entre les levés successifs :

• Delta PCI, Le changement de l’indice de condition des chaussées (PCI) entre les levés, exprimé en points par an. Un delta PCI de -5 points par an indique que la chaussée se détériore à raison de 5 points PCI par an. La norme ASTM D5340 définit qu’un changement de PCI de plus de 10 points entre les levés est statistiquement significatif à 95 % de confiance pour des levés correctement effectués.

• Changement de densité de fissures, Le changement de la longueur totale des fissures par unité de surface (m/m²), exprimé en mètres linéaires de fissuration pour 100 m². Les augmentations de la densité de fissures indiquent le développement de fissures de fatigue, la propagation de fissures réfléchies ou la croissance de fissures thermiques.

• Surface de nouvelle dégradation, La surface totale (m²) de chaussée qui a développé une nouvelle dégradation (tout type) depuis le levé précédent, exprimée en pourcentage de la surface de l’unité d’échantillonnage. Les surfaces de nouvelle dégradation supérieures à 5 % de la surface de l’unité justifient une intervention de maintenance selon les critères de priorisation de maintenance ASTM.

• Progression de la profondeur d’orniérage, Pour les chaussées en asphalte, le changement de la profondeur d’orniérage maximale dans chaque zone de voie de roue, dérivé de la comparaison DSM ou du nuage de points. Une progression de la profondeur d’orniérage dépassant 3 mm par an dans la voie de roue extérieure indique une détérioration structurelle nécessitant une investigation.

• Accumulation de dépôts de caoutchouc, Le changement de la couverture de caoutchouc des pneus dans la zone de toucher des roues. Les dépôts de caoutchouc réduisent le coefficient de friction de surface de 30 à 50 % à des niveaux de couverture supérieurs à 25 %, ce qui en fait un paramètre de sécurité critique. Les levés automatisés par drone quantifient la couverture de caoutchouc par analyse multispectrale dans la bande proche infrarouge où le caoutchouc présente des caractéristiques d’absorption distinctes.

Application à la gestion des chaussées aéroportuaires

Le Manuel de conception des aérodromes de l’Organisation de l’aviation civile internationale (Doc 9157, Partie 3) recommande que les levés de l’état des chaussées soient effectués à des intervalles ne dépassant pas : Annuel pour les aérodromes à forte intensité de trafic (départs annuels supérieurs à 25 000), Bisannuel pour une intensité de trafic moyenne (10 000-25 000 départs annuels) et Triennial pour une faible intensité de trafic (moins de 10 000 départs annuels). L’inspection automatisée par drone permet ces fréquences recommandées à un coût substantiellement inférieur à celui des levés manuels, et les séries chronologiques de données résultantes fournissent la base de preuves pour prédire les taux de détérioration des chaussées et optimiser le calendrier des interventions de maintenance.

La plateforme de TarmacView maintient un enregistrement historique de chaque levé effectué sur une chaussée d’aérodrome, permettant une analyse des tendances longitudinales sur plusieurs années. Le système calcule les courbes de détérioration pour chaque unité d’échantillonnage, identifie les unités avec une détérioration accélérée (où le delta PCI dépasse la moyenne de l’aérodrome de plus de 2 écarts types) et génère des listes de priorisation de maintenance triées par l’impact PCI attendu de chaque intervention recommandée. Cette approche basée sur les données fait passer la gestion des chaussées d’une maintenance réactive (réparation des défaillances lorsqu’elles se produisent) à une maintenance prédictive (intervention avant que les défaillances ne se développent), réduisant les coûts du cycle de vie de 30 à 50 % estimés sur la base des études de gestion des chaussées de la FAA et de l’US Air Force.

Résumé

L’inspection automatisée des infrastructures par drone remplace l’inspection manuelle subjective et variable par une acquisition et une analyse de données cohérentes et reproductibles. Le système intègre la planification de vol programmée, la détection et l’évitement d’obstacles, les charges utiles multi-capteurs, le transfert automatisé de données et la détection de défauts alimentée par l’IA dans un flux de travail de bout en bout transparent. Pour l’inspection des chaussées de piste, le domaine d’application principal, la technologie fournit des distances d’échantillonnage au sol de 1 à 3 mm, des mesures de largeur de fissure avec une précision de 0,2 mm, le calcul de l’indice de condition des chaussées selon l’ASTM D5340 et une détection de changements validée statistiquement sur des levés pluriannuels. Le cadre réglementaire pour les opérations d’inspection automatisées évolue rapidement, avec la proposition de Part 108 de la FAA et les autorisations opérationnelles de la catégorie Spécifique de l’EASA permettant les opérations BVLOS dans les aéroports et le long des corridors d’infrastructure. À mesure que la technologie des capteurs progresse, que les algorithmes de traitement s’améliorent et que les voies réglementaires mûrissent, l’inspection automatisée par drone deviendra la méthode standard pour l’évaluation de l’état des infrastructures dans les secteurs de l’aviation, des transports, de l’énergie et de l’industrie.

Termes connexes

• UAV (Unmanned Aerial Vehicle)
• Drone
• BVLOS (Beyond Visual Line of Sight)
• Positionnement RTK / PPK
• Photogrammétrie
• LiDAR
• Orthomosaïque
• Indice de condition des chaussées
• Détection de changements
• Planification de vol
• Détection et évitement d’obstacles
• Point de contrôle au sol
• Remote ID