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

老朽化したコンクリート橋で、市販ドローンの写真からひび割れを見つけ、幅と長さを測る手順を試した研究。小さな学習データでR-CNNを転移学習してひび割れを検出し、構造物に貼った70mm角のマーカーで画素の大きさを求め、射影変換でゆがみを補正して寸法を算出した。橋の下ではGPSが不安定なため手動で約2mの距離から撮影した。実橋では12本のひび割れの寸法を出したが、現地での真値との照合はしていない。

方法：DJI Inspire 2で約2mから撮影し、384枚のひび割れ画像で転移学習したR-CNNで検出、平面マーカーと射影変換で幅・長さを算出した。室内試験で寸法精度を確かめた。

主な結果

• 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

限界

• 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)