文献

J-GLOBAL ID：201802243646736507   整理番号：18A1517813

メタヒューリスティック最適化エッジ検出アルゴリズムと畳込みニューラルネットワークを用いたアスファルト舗装亀裂の自動認識【JST・京大機械翻訳】

Automatic recognition of asphalt pavement cracks using metaheuristic optimized edge detection algorithms and convolution neural network

著者 (3件)： Nhat-Duc Hoang (Faculty of Civil Engineering, Duy Tan University, Institute of Research and Development, Duy Tan University, P809 - 03 Quang Trung, Danang 550000, Viet Nam) ,  Nguyen Quoc-Lam (Faculty of Civil Engineering, Duy Tan University, Danang, Vietnam, P809 - 03 Quang Trung, Danang 550000, Viet Nam) ,  Tran Van-Duc (International School, Duy tan University, Danang City, 254 Nguyen Van Linh, Danang 550000, Viet Nam)
資料名： Automation in Construction  (Automation in Construction)
巻： 94  ページ： 203-213  発行年： 2018年 
JST資料番号： W0491A  ISSN： 0926-5805  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 亀裂検出は,周期的舗装調査における重要な作業である。本研究は,舗装亀裂の自動認識のための2つの知的手法の性能を確立し,比較した。最初のモデルは,SobelとCannyアルゴリズムのエッジ検出アプローチに依存する。二つのエッジ検出器の実装は閾値の設定を必要とするので,メタ発見としての微分Flow偏光を用いてモデルパラメータを微調整した。第二のモデルは,Convolution Neural Network(CNN)の実装によって構築される。CNNは,統合的で完全に自動化された方法で,特徴抽出と亀裂/非亀裂条件の予測を実行する利点がある。実験結果は,CNNに基づくモデルが分類精度率(CAR)=92.08%の良好な予測性能を達成することを示した。この性能はエッジ検出アルゴリズム(CAR=79.99%)に基づく方法より著しく優れている。従って,提案したCNNベースの亀裂検出モデルは,周期的舗装検査の作業における輸送機関をサポートする有望な代替案である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *亀裂 ,  偏光 ,  *アルゴリズム ,  微分 ,  *エッジ検出 ,  画像処理 ,  *アスファルト舗装 ,  *舗装 ,  特徴抽出
準シソーラス用語： 分類精度 ,  微調整 ,  亀裂検出 ,  *自動認識 ,  *検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： 舗装亀裂の検出 ,  畳込みニューラルネットワーク ,  画像処理 ,  エッジ検出アルゴリズム ,  深層学習 ,  メタヒューリスティック

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  舗装一般  (RC04010K) ,  非破壊試験  (HB02030F) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： ヒューリスティック最適化 ,  エッジ検出 ,  アルゴリズム ,  畳込みニューラルネットワーク ,  アスファルト舗装 ,  亀裂 ,  自動認識