Machine Learning and Thermography Applied to the Detection and Classification of Cracks in Building

要約

建設業による環境への影響により、既存の建物を再利用してエネルギー効率を高めることが最優先課題となっています。
しかし、土地開発業者の正当な懸念は、建物の保存状態に関連しています。
そのため、赤外線サーモグラフィは、亀裂や湿気などの病状を検出することで、これらの建物の保存状態を特徴付ける強力なツールとして使用されてきました。
赤外線カメラは、あらゆる物質から放出される放射線を検出し、温度で色分けされた画像に変換します。
異常な温度変化は病状の存在を示している可能性がありますが、熱画像の読み取りは簡単ではありません。
この研究プロジェクトは、赤外線サーモグラフィと機械学習 (ML) を組み合わせて、関係者が既存の建物の病理と欠陥をより効率的かつ正確に特定することで、既存の建物の再利用の可能性を判断できるようにすることを目的としています。
この研究プロジェクトのこの特定のフェーズでは、畳み込みニューラル ネットワーク (DCNN) の画像分類機械学習モデルを使用して、1 つの特定の建物の 3 つのレベルの亀裂を区別しました。
モデルの精度は、2 つの異なる赤外線カメラから取得した MSX 画像と赤外線画像、および融合画像 (マルチソース情報を介して形成された) との間で比較され、検出結果に対する入力データとネットワークの影響をテストしました。

要約(オリジナル)

Due to the environmental impacts caused by the construction industry, repurposing existing buildings and making them more energy-efficient has become a high-priority issue. However, a legitimate concern of land developers is associated with the buildings’ state of conservation. For that reason, infrared thermography has been used as a powerful tool to characterize these buildings’ state of conservation by detecting pathologies, such as cracks and humidity. Thermal cameras detect the radiation emitted by any material and translate it into temperature-color-coded images. Abnormal temperature changes may indicate the presence of pathologies, however, reading thermal images might not be quite simple. This research project aims to combine infrared thermography and machine learning (ML) to help stakeholders determine the viability of reusing existing buildings by identifying their pathologies and defects more efficiently and accurately. In this particular phase of this research project, we’ve used an image classification machine learning model of Convolutional Neural Networks (DCNN) to differentiate three levels of cracks in one particular building. The model’s accuracy was compared between the MSX and thermal images acquired from two distinct thermal cameras and fused images (formed through multisource information) to test the influence of the input data and network on the detection results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google