文献

J-GLOBAL ID：202202261172756883   整理番号：22A0798173

UAV搭載熱画像カメラから収集したサーモグラムからの畳込みニューラルネットワークベース自動ダム表面浸透欠陥同定【JST・京大機械翻訳】

Convolutional neural-network-based automatic dam-surface seepage defect identification from thermograms collected from UAV-mounted thermal imaging camera

著者 (12件)： Wang Zheng-fang (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Wang Zheng-fang (Shenzhen Research Institute, Shandong University, Shenzhen, China) ,  Yu Yan-fei (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Wang Jing (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Zhang Jian-qing (Changjiang Geophysical Exploration and Testing Company Limited, Wuhan, China) ,  Zhu Hong-liang (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Li Peng (Changjiang Geophysical Exploration and Testing Company Limited, Wuhan, China) ,  Xu Lei (Changjiang Geophysical Exploration and Testing Company Limited, Wuhan, China) ,  Jiang Hao-nan (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Sui Qing-mei (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Jia Lei (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Chen Jiang-ping (Changjiang Geophysical Exploration and Testing Company Limited, Wuhan, China)
資料名： Construction and Building Materials  (Construction and Building Materials)
巻： 323  ページ： Null  発行年： 2022年 
JST資料番号： T0560A  ISSN： 0950-0618  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 浸透検査は,損傷ゾーンを描写し,ダムの長期安全運転を確保するために極めて重要である。しかし,植生,複雑なバックグラウンド,および低い信号対雑音比と貧弱なサーモグラム分解能は,自動化結果に著しい悪影響を与える。本研究では,熱画像カメラを運ぶ無人航空機によって収集されたサーモグラムからダム表面浸透を自動的に同定するために,新しい畳み込みニューラルネットワークを提案した。2つの特別に設計したモジュール(すなわち,キー温度融合ユニットと畳み込みブロック注意モジュール)を持つ補助入力ブランチをU-Netフレームに追加し,ダム上の「浸透様」背景干渉による偽警報率を低減し,低解像度サーモグラムから明確な境界を持つ浸透プロファイルを正確に同定した。方法は実際のダムに利用され,実験結果は干渉があってもその優位性を確認した。提案したネットワークのDice係数スコアと交差点オーバーオンメトリックは,それぞれ87.58と78.12%であり,U-Netで3.67と4.80%,Mobile DeepLabv3で1.18と1.43%の増加であった。同じ計算環境およびデータセットの下で,本論文で提案したネットワークの訓練時間は8分および57秒であり,U-Netは3分および13秒であり,Mobile DeepLabv3は12分および44秒であった。本研究は,有望で費用対効果の高い自動ダム表面浸透検査法を提供した。Copyright 2022 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： SN比 ,  *カメラ ,  干渉 ,  *浸透 ,  表面 ,  自動化 ,  警報 ,  *ネットワーク ,  交差点 ,  分解能 ,  *ダム ,  無人機 ,  *熱画像
準シソーラス用語： 費用対効果 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳込みニューラルネットワーク ,  ダム検査 ,  浸透欠陥 ,  無人航空機

分類 (1件)： モルタル,コンクリート  (RA06042H)

タイトルに関連する用語 (8件)： UAV ,  熱画像 ,  収集 ,  畳込みニューラルネットワーク ,  ダム ,  浸透 ,  欠陥 ,  同定