Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks

Propõe um classificador CNN que detecta fissuras em concreto sem características projetadas manualmente, treinado em cerca de 40 mil recortes de imagem de 256x256 e aplicado a fotos grandes com janela deslizante. Testado em fotos de alta resolução de uma estrutura não usada no treinamento, incluindo reflexos, sombras e fissuras capilares, superou a detecção de bordas de Canny e Sobel. O resumo não descreve imagens de UAV; é um estudo com câmera terrestre sobre o qual se apoiam trabalhos posteriores de detecção de fissuras por UAV.

Principais conclusões

• About 98% accuracy on 256x256 patches (per abstract)
• Tested on 55 images of 5,888x3,584 px from a structure not used in training/validation
• Clearly better than Canny and Sobel edge detectors under glare, shadow and thin-crack conditions

Limitações

• Not UAV-specific per the abstract; images are not described as aerial
• Patch-level classification, not pixel-level crack width measurement
• Concrete cracks only; other damage types not covered