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 kumpulan pelatihan yang kecil. Penanda persegi 70 mm yang dipasang pada struktur memberi skala piksel, dan homografi mengoreksi distorsi. Penerbangan dilakukan secara manual pada jarak sekitar 2 m karena GPS tidak andal di kolong jembatan. Dua belas retak di lapangan diukur, tetapi tanpa pemeriksaan acuan di lokasi.

Temuan utama

• 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

Keterbatasan

• 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)