Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks

コンクリート表面のひび割れを、人が特徴量を設計せずにCNNで直接判定する手法を示した論文。256×256画素の小画像約4万枚で学習し、スライディングウィンドウで大きな写真全体を走査する。学習に使っていない別構造物の高解像度写真で、影や反射、細いひび割れがある条件でも従来のエッジ検出より良い結果を示した。なお抄録上はUAV撮影を前提とした研究ではなく、手持ちカメラ画像を対象としている。

方法：40,000枚の256×256画素パッチでCNNを学習し、5,888×3,584画素の未学習画像55枚にスライディングウィンドウで適用して、Canny・Sobelと比較した。

主な結果

• 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

限界

• 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