基于图像的施工期混凝土表面缺陷检测
计算机视觉与模式识别
2024-05-21 v2 机器学习
摘要
缺陷会增加施工项目的成本与工期，因为它们需要大量的检查与记录工作。自动化缺陷检测可显著减少这些工作。本工作聚焦于检测蜂窝麻面——一种可能影响结构完整性的混凝土结构严重缺陷。我们将从网络爬取的蜂窝麻面图像与真实施工检查所得图像进行了比较。我们发现网络图像未能捕捉真实场景中的完整方差，且该领域仍缺乏数据。因此，我们的数据集免费公开以供进一步研究。我们训练了Mask R-CNN和EfficientNet-B0用于蜂窝麻面检测。Mask R-CNN模型基于实例分割检测蜂窝麻面，而EfficientNet-B0模型允许基于块的分类。我们的实验表明，两种方法都适用于解决并自动化蜂窝麻面检测。未来，该解决方案可集成到缺陷记录系统中。
引用
@article{arxiv.2208.02313,
title = {Image-based Detection of Surface Defects in Concrete during Construction},
author = {Dominik Kuhnke and Monika Kwiatkowski and Olaf Hellwich},
journal= {arXiv preprint arXiv:2208.02313},
year = {2024}
}