Mostafa Aliyari forsvarte nylig sin doktorgradsavhandling ved Høgskolen i Østfold for Universitetet i Stavanger. Avhandlingen, med tittelen «Machine Learning-Driven Approaches for Performance Assessment of Critical Infrastructure: UAV-assisted Bridge Inspections, Hazard Identification, Failure Detection, Power Load Forecasting», utforsker hvordan moderne teknologi kan revolusjonere måten vi overvåker og vedlikeholder kritisk infrastruktur.

Teknologi som redder liv og sparer ressurser

Aliyari, som har bakgrunn i elektroteknikk og datavitenskap, ble fascinert av mulighetene som ligger i krysningspunktet mellom droner (UAV) og maskinlæring.

Mostafa Aliyari. Foto: Privat

– Det som fascinerte meg mest var potensialet til å kombinere avanserte teknologier som dype læringsmodeller og UAV-er for å løse komplekse problemer i kritiske infrastrukturer, forteller Aliyari.

I doktorgradsprosjektet har han utviklet systemer der droner tar bilder av broer for å oppdage skader som sprekker, uten at mennesker må utsettes for fare ved å klatre på konstruksjonene. Kunstig intelligens analyserer bildene automatisk for å identifisere potensielle problemer.

– For broinspeksjoner kan UAV-assisterte metoder med dyp læring redusere kostnader og risiko ved å automatisere skadedeteksjon, noe som kan føre til raskere vedlikehold og tryggere broer, sier han.

Smartere kraftnett med KI

Et annet sentralt område i Aliyaris forskning er utvikling av maskinlæringsmodeller som kan forutsi strømforbruk mer nøyaktig.

– For kraftprognoser kan nøyaktige prediksjoner bidra til bedre ressursfordeling i kraftnettet, redusere energisvinn og støtte integrasjonen av fornybar energi, forklarer han.

Aliyari har blant annet utviklet en ny metode kalt ACO Former, som optimaliserer modellparametere for bedre nøyaktighet i kraftprognoser.

Internasjonalt samarbeid

Doktorgradsarbeidet har involvert samarbeid med flere forskningsinstitusjoner både i Norge og internasjonalt.

– Jeg har hatt gleden av å samarbeide med flere forskere og institusjoner. Mye av arbeidet ble utført ved Høgskolen i Østfold, men jeg har også samarbeidet med Universitetet i Stavanger, UiT – Norges arktiske universitet, og University of California, Los Angeles, forteller Aliyari.

Hans hovedveileder har vært førsteamanuensis Yonas Zewdu Ayele fra Høgskolen i Østfold og Oslo Metropolitan University, med professor Tore Markeset fra Universitetet i Stavanger, professor Javad Barabady fra UiT, og førsteamanuensis Lars Vidar Magnusson fra Høgskolen i Østfold som medveiledere.

Fremtidsplaner

Etter doktorgraden ønsker Aliyari å fortsette forskningen innen anvendelser av maskinlæring og avanserte teknologier for å styrke og modernisere kritisk infrastruktur.

– Jeg er særlig interessert i hvordan disse metodene kan overføres og tilpasses til andre samfunnsviktige sektorer, som fornybar energi og transportinfrastruktur, og hvordan de kan bidra til bærekraftige løsninger i møte med klimaendringer, sier han.

Aliyari er også engasjert i undervisning og har nå fagansvar for et kurs i C- og Python-programmering for maskin- og elektronikkingeniørstudenter ved Høgskolen i Østfold.

– På sikt ønsker jeg å videreutvikle dette kurset til et felles emne for alle ingeniørstudenter ved høyskolen, ettersom behovet for programmeringskompetanse på tvers av ingeniørdisipliner stadig øker, avslutter han.

Referanse

Doktorhgradsavhandling: «Machine Learning-Driven Approaches for Performance Assessment of Critical Infrastructure: UAV-assisted Bridge Inspections, Hazard Identification, Failure Detection, Power Load Forecasting».