KEY PAPERS
Makalah utama
Penelitian yang sering dikutip tentang inspeksi dengan drone, dipilih dari berbagai bidang, disertai cakupan bacaan, temuan, dan keterbatasan.
Selection: started from a candidate list of widely cited UAV-inspection papers across eight topic areas (review, crack/defect detection, photogrammetry/3D, GNSS-denied navigation, contact inspection/aerial manipulation, thermal, radar/LiDAR, coverage planning) and verified each by DOI. Web search quota was exhausted early in the session, so candidates were confirmed through bibliographic APIs: OpenAlex works endpoint (api.openalex.org/works/doi:<DOI>, field cited_by_count = citing works indexed in OpenAlex), OpenAlex search endpoint for papers whose DOI was unknown, Crossref (api.crossref.org/works/<DOI>, is-referenced-by-count = citations deposited with Crossref by publishers), and Semantic Scholar Graph API (citationCount) where used for abstracts. All counts were retrieved on 2026-10-22; counts differ between indexes because of coverage. Selection is by citation count within each topic area, not a single global top-30, so that every topic is represented; high-citation general papers (e.g. photogrammetry reviews) were kept only where they are standard references for inspection work. Full-text reading was possible only for open-access pages that the fetch tool could open (MDPI, SpringerOpen, IEEE OA, etc.); ScienceDirect and some Wiley pages blocked automated access, so those are marked abstract. Summaries are the author's own words; no third-party text copied. Retrieval notes: citation counts are OpenAlex cited_by_count for all 30 items; Crossref is-referenced-by-count and Semantic Scholar citationCount were retrieved only for some items (null where not retrieved) because the shared fetch budget was limited. Abstracts came from Semantic Scholar, from Crossref, or reconstructed from OpenAlex abstract_inverted_index. Highly cited candidates were dropped when neither the abstract nor the body could be opened (publisher or index abstract missing or blocked): Nex & Remondino 2014 (10.1007/s12518-013-0120-x, OpenAlex 1864), Rakha & Gorodetsky 2018 (10.1016/j.autcon.2018.05.002, 460), Seo et al. 2018 (10.1016/j.autcon.2018.06.006, 373), Tsanakas et al. 2016 (10.1016/j.rser.2016.04.079, 371), Omar & Nehdi 2017 (10.1016/j.autcon.2017.06.024, 265), Khaloo et al. 2018 (10.1080/15732479.2017.1330891, 217), Bircher et al. 2016 Autonomous Robots (10.1007/s10514-015-9517-1, 191). Where they were dropped, the most cited readable paper in the same area was used instead, found with OpenAlex filtered searches sorted by cited_by_count (e.g. title_and_abstract.search for 'UAV inspection bridge', 'UAV LiDAR power line inspection', 'UAV thermal infrared photovoltaic inspection'). Ground-penetrating radar from UAVs was searched (OpenAlex title search 'ground penetrating radar UAV') but the most cited results were landmine or soil studies, not infrastructure, so no GPR paper is included; the radar-lidar topic is covered by LiDAR papers. Cha et al. 2017 and 2018 are included as foundational crack/damage-detection work although their abstracts do not describe UAV imagery.
Tidak ada hasil. Coba kata yang lebih pendek.
detection · 2017 · Sitasi 3,213
Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks
Mengusulkan pengklasifikasi CNN yang mendeteksi retak pada beton tanpa fitur yang dirancang secara manual. Model dilatih pada sekitar 40.000 potongan citra berukuran 256x256, lalu diterapkan pada foto besar dengan jende…
photogrammetry · 2014 · Sitasi 2,958
Unmanned aerial systems for photogrammetry and remote sensing: A review
Meninjau bagaimana sistem pesawat udara tanpa awak berkembang dalam fotogrametri dan penginderaan jauh. Tulisan ini berpendapat bahwa peralatan siap pakai yang murah, dipadukan dengan visi komputer, robotika, dan geomat…
review · 2019 · Sitasi 2,335
Unmanned Aerial Vehicles (UAVs): A Survey on Civil Applications and Key Research Challenges
Survei luas tentang pemakaian UAV sipil, termasuk pengawasan, jangkauan nirkabel, penginderaan jauh, penyelamatan, pengiriman, pertanian, dan inspeksi struktur. Tulisan ini memperkirakan infrastruktur sipil akan memimpi…
detection · 2018 · Sitasi 1,540
Autonomous Structural Visual Inspection Using Region-Based Deep Learning for Detecting Multiple Damage Types
Menyesuaikan deteksi objek Faster R-CNN agar menemukan beberapa jenis kerusakan sekaligus, bukan hanya retak: retak beton, korosi baja tingkat sedang dan tinggi, korosi baut, serta delaminasi baja. Dilatih pada kumpulan…
review · 2019 · Sitasi 1,193
Advances in Computer Vision-Based Civil Infrastructure Inspection and Monitoring
Tinjauan penilaian tanpa kontak terhadap infrastruktur sipil dengan kamera dan UAV, yang bertumpu pada visi komputer, pembelajaran mesin, dan rekayasa struktur. Bidang ini dibagi menjadi inspeksi (pengenalan komponen, k…
review · 2015 · Sitasi 1,056
A review on computer vision based defect detection and condition assessment of concrete and asphalt civil infrastructure
Meninjau deteksi cacat berbasis visi komputer dan penilaian kondisi pada jembatan beton bertulang, lapisan pracetak terowongan, pipa beton tertanam, dan perkerasan aspal. Tulisan ini menyimpulkan bahwa sebagian besar ca…
detection · 2020 · Sitasi 775
Detection of Power Line Insulator Defects Using Aerial Images Analyzed With Convolutional Neural Networks
Mengusulkan CNN berjenjang yang mula-mula menemukan isolator pada citra udara, lalu mendeteksi cacat di dalamnya, dengan membagi tugas menjadi dua tingkat deteksi. Metode yang dirancang secara manual atau yang dangkal s…
planning · 2016 · Sitasi 627
Receding Horizon "Next-Best-View" Planner for 3D Exploration
Mengusulkan perencana jalur untuk eksplorasi dan pemetaan ruang yang belum dikenal secara otonom oleh robot udara. Pohon acak ditumbuhkan saat robot beroperasi, cabang yang akan mengamati ruang belum terpetakan yang pal…
review · 2018 · Sitasi 596
Automatic autonomous vision-based power line inspection: A review of current status and the potential role of deep learning
Meninjau otomasi inspeksi visual saluran transmisi dan distribusi, lalu mengusulkan konsep yang berpusat pada UAV, citra optik, dan pembelajaran mendalam. Patroli jalan kaki dan inspeksi dengan helikopter lambat, mahal,…
planning · 2019 · Sitasi 577
Survey on Coverage Path Planning with Unmanned Aerial Vehicles
Meninjau perencanaan jalur liputan untuk UAV, yaitu merencanakan jalur yang mencitrakan atau mengukur seluruh kawasan. Metode dikelompokkan menurut bentuk kawasan (persegi panjang, cembung, cekung, tidak beraturan, deng…
contact · 2018 · Sitasi 529
Aerial Manipulation: A Literature Review
Tinjauan pustaka tentang manipulasi dari udara, yang memadukan kelincahan wahana terbang dengan kemampuan lengan robot, dan disusun terutama dari sudut teknologi serta kendali. Tulisan ini juga menyinggung robotika udar…
review · 2016 · Sitasi 505
Visual monitoring of civil infrastructure systems via camera-equipped Unmanned Aerial Vehicles (UAVs): a review of related works
Meninjau pemantauan lokasi konstruksi dan infrastruktur yang sudah ada dengan UAV berkamera, dalam tiga tahap: pengumpulan data, analitik, dan visualisasi. Pengumpulan mencakup perencanaan penerbangan dan otonomi. Anali…
contact · 2022 · Sitasi 489
Past, Present, and Future of Aerial Robotic Manipulators
Tinjauan terstruktur tentang manipulator udara, dari helikopter dan multirotor biasa sampai wahana berdaya dorong multiarah yang membawa berbagai lengan. Wahana dikelompokkan menurut sifat daya dorongnya (searah, multia…
radar-lidar · 2016 · Sitasi 408
Remote sensing methods for power line corridor surveys
Meninjau penginderaan jauh untuk memantau koridor saluran transmisi, baik salurannya maupun vegetasi di sekitarnya, meliputi radar satelit, citra satelit optik dan citra udara, citra termal, pemindaian laser dari udara,…
navigation · 2018 · Sitasi 386
Autonomous UAVs for Structural Health Monitoring Using Deep Learning and an Ultrasonic Beacon System with Geo-Tagging
Membangun UAV yang bernavigasi dengan suar ultrasonik, bukan dengan GPS, sehingga dapat terbang secara otonom di tempat seperti kolong jembatan, tempat GPS tidak andal. UAV itu dipadukan dengan deteksi retak berbasis CN…
photogrammetry · 2020 · Sitasi 305
Image-based crack assessment of bridge piers using unmanned aerial vehicles and three-dimensional scene reconstruction
Menangani dua masalah dalam inspeksi retak pada pilar jembatan dengan UAV. Foto jarak dekat memadukan distorsi perspektif dan distorsi permukaan lengkung, dan tiap bidikan hanya mencakup begitu sedikit bagian pilar sehi…
detection · 2018 · Sitasi 275
Application of Crack Identification Techniques for an Aging Concrete Bridge Inspection Using an Unmanned Aerial Vehicle
Menguji sebuah alur pemrosesan pada jembatan beton yang menua. Alur itu mendeteksi retak pada foto dari drone komersial, lalu mengukur lebar dan panjangnya. Retak dideteksi dengan R-CNN yang disetel lebih lanjut pada ku…
thermal · 2014 · Sitasi 247
Light Unmanned Aerial Vehicles (UAVs) for Cooperative Inspection of PV Plants
Uji lapangan awal untuk inspeksi PLTS (PV) secara termal dan dengan cahaya tampak, memakai dua UAV yang bekerja sama: pesawat sayap tetap yang besar untuk tinjauan umum, dan multirotor listrik yang kecil untuk jarak dek…
navigation · 2013 · Sitasi 247
A UAV system for inspection of industrial facilities
Mengembangkan UAV kecil untuk menginspeksi ruang industri yang tertutup, dan menerbangkannya secara otonom di dalam boiler pembangkit listrik. Tanpa GPS, sistem navigasi visual-inersial yang ringan, yang hanya memakai I…
detection · 2019 · Sitasi 227
Wind Turbine Surface Damage Detection by Deep Learning Aided Drone Inspection Analysis
Menerapkan pembelajaran mendalam pada citra drone dari bilah turbin angin untuk mendeteksi erosi tepi depan, panel vortex generator (termasuk gigi yang hilang), dan reseptor petir. Faster R-CNN dengan beberapa backbone …
review · 2015 · Sitasi 221
Vision and Control for UAVs: A Survey of General Methods and of Inexpensive Platforms for Infrastructure Inspection
Meninjau metode visi dan kendali yang dapat dipakai pada UAV berbiaya rendah (pelacakan fitur, aliran optik, visual servoing, stabilisasi, dan perencanaan), dengan fokus pada inspeksi infrastruktur. Dua kasus pemakaian …
review · 2021 · Sitasi 210
UAV-Based Remote Sensing Applications for Bridge Condition Assessment
Tinjauan sistematis penilaian kondisi jembatan berbasis UAV, disusun menurut sensor: pencitraan visual, termografi inframerah, LiDAR, dan sensor lain. Tulisan ini menganalisis 65 makalah dari 2000-2020, yang disaring da…
contact · 2019 · Sitasi 197
A Truly-Redundant Aerial Manipulator System With Application to Push-and-Slide Inspection in Industrial Plants
Mengembangkan manipulator udara untuk pengujian tak merusak secara otonom di pabrik industri. Probe tetap ditekan pada permukaan yang lengkung sambil digeser. Wahana berdaya dorong multiarah dipadukan dengan lengan 2-Do…
navigation · 2014 · Sitasi 193
A Collision-resilient Flying Robot
Mengusulkan robot terbang yang bertahan saat menabrak, bukan menghindar, sehingga sense-and-avoid yang rumit atau pemetaan 3D tidak diperlukan di ruang yang sesak dan tanpa GPS. Rangka dalam yang memuat pendorong dan pe…
review · 2018 · Sitasi 191
Bridge inspection: human performance, unmanned aerial systems and automation
Meninjau praktik inspeksi jembatan di AS, dan bagaimana metode tanpa awak serta otomatis dapat memenuhi kebutuhan sekarang dan yang akan datang. Tulisan ini menemukan bahwa drone terutama membuat inspektur lebih cepat d…
thermal · 2021 · Sitasi 185
Drone-Based Non-Destructive Inspection of Industrial Sites: A Review and Case Studies
Meninjau inspeksi tak merusak berbasis drone di situs industri, dengan pusat pada termografi aktif dan pasif, ditambah inspeksi visual, pemeriksaan ultrasonik memakai drone yang menempel di dinding, penginderaan gas, da…
photogrammetry · 2021 · Sitasi 161
Quality Evaluation of Digital Twins Generated Based on UAV Photogrammetry and TLS: Bridge Case Study
Membandingkan kembaran digital berupa awan titik dari sebuah jembatan rangka kayu warisan tahun 1893 di Australia, yang disusun dari fotogrametri UAV dan pemindaian laser di darat (TLS). Mutu dinilai lewat pencocokan bi…
navigation · 2017 · Sitasi 159
Autonomous Navigation and Mapping for Inspection of Penstocks and Tunnels With MAVs
Mengembangkan estimasi, kendali, navigasi, dan pemetaan agar multirotor dengan sensor di wahana dapat menginspeksi pipa pesat bendungan dan terowongan secara otonom, tanpa GPS atau kamera di luar wahana. Pipa pesat adal…
thermal · 2018 · Sitasi 114
Thermal Infrared and Visual Inspection of Photovoltaic Installations by UAV Photogrammetry—Application Case: Morocco
Studi kasus yang menyusun ortomosaik cahaya tampak dan termal dari modul PV, dengan drone kecil dan fotogrametri, untuk menemukan pengotoran, retak sel, dan titik panas. Pada instalasi kecil di Maroko, citra dengan jara…
radar-lidar · 2018 · Sitasi 112
Automatic Clearance Anomaly Detection for Transmission Line Corridors Utilizing UAV-Borne LIDAR Data
Mengekstrak konduktor dan menara transmisi secara otomatis dari awan titik LiDAR UAV, lalu menandai tempat yang jarak bebasnya terhadap pohon atau tanah tidak memadai. Tahapannya adalah penyaringan medan, deteksi menara…
Untuk riset dari sisi perekaman, lihat makalah utama tentang perekaman udara, dibaca untuk praktik dalam panduan Aerial.
Untuk makalah dari sisi pengiriman, lihat makalah utama tentang pengiriman dengan drone pada panduan Logistik.