Application of Crack Identification Techniques for an Aging Concrete Bridge Inspection Using an Unmanned Aerial Vehicle

Prueba en un puente de hormigón envejecido un proceso que detecta grietas en fotos de un dron comercial y mide su anchura y longitud. Las grietas se detectaron con una R-CNN ajustada sobre un pequeño conjunto de entrenamiento, y un marcador cuadrado de 70 mm fijado a la estructura dio la escala de píxel, con una homografía para corregir la distorsión. Los vuelos fueron manuales a unos 2 m porque el GPS no era fiable bajo el puente. Se dimensionaron doce grietas de campo, pero sin comprobaciones de referencia in situ.

Hallazgos clave

• Lab test relative error about 1-2% for crack quantification
• Field: 12 cracks measured at about 0.53-2.47 mm thick and 6.6-78.4 mm long
• Processing about 150 min for the point cloud and about 14 min for deep-learning detection

Limitaciones

• Field measurements not checked against ground truth; no precision/recall reported
• Requires a physical marker on the structure for scale
• Manual flight; GPS unreliable under the bridge
• One bridge, only the rails inspected; small training set (384 images)