Crack Segmentation on UAS-based Imagery using Transfer Learning

Benz, Christian; Debus, Paul; Ha, Huy Khanh; Rodehorst, Volker

doi:10.1109/ivcnz48456.2019.8960998

Cited by 18 publications

(7 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Zum anderen werden die Zustandsdaten genutzt, um die Detektion von Anomalien an der Bauwerksoberfläche zu unterstützen. Besonderer Fokus liegt hierbei aktuell auf der Entwicklung von KI-Methoden zur Erkennung unterschiedlicher Schadensklassen in Bilddatensätzen durch semantische Segmentierung [10,11]. Ein wichtiger Aspekt in allen Bereichen ist die Automatisierung der einzelnen Prozessschritte [3].…”

Section: Datenmodelle Für Digitale Zwillinge Von Brücken Und Bildbasi...unclassified

Datenmodelle für digitale Zwillinge von Brücken und bildbasierte Zustandsaufnahmen

2022

View full text Add to dashboard Cite

Für eine präventive und nachhaltige Instandhaltung von Infrastrukturbauwerken sind regelmäßige visuelle Inspektionen von großer Bedeutung, um Schäden frühzeitig zu erkennen und entsprechende Maßnahmen zu ergreifen. Moderne Technologien wie unbemannte Flugsysteme, ausgerüstet mit hochauflösenden Kameras, unterstützen immer mehr den Inspektionsprozess und die damit verbundene Dokumentation. Dadurch entstehen große Mengen an Bilddaten, Orthofotos, Punktwolken und Oberflächennetzen, welche die gesamte Bauwerksoberfläche in einem ausreichend hohen Detailgrad darstellen und die Annotation von visuell detektierbaren Anomalien ermöglichen. Um diese Datenmenge effektiv nutzen und verwalten zu können, sind Methoden zur Verarbeitung und entsprechend verknüpfte Datenmodelle notwendig. Vor dem Hintergrund einer kontinuierlich zu wiederholenden Bauwerksüberwachung ist eine Automatisierung der einzelnen Analyseschritte besonders vielversprechend. In diesem Aufsatz werden Ansätze für die Verarbeitung großer bildbasierter Datensätze zu einem verknüpften Inspektionsmodell beschrieben. Dazu wird gezeigt, wie Annotationen in Bildern und Orthofotos im Kontext von idealisierten Simulationsmodellen genutzt werden und den Prozess der Zustandsbewertung unterstützen können. Der daraus entstehende digitale Zwilling soll eine konsistente Datenbasis über mehrere Zustände abbilden und damit die Verwaltung heterogener Inspektionsdaten ermöglichen.

show abstract

Section: Datenmodelle Für Digitale Zwillinge Von Brücken Und Bildbasi...unclassified

Datenmodelle für digitale Zwillinge von Brücken und bildbasierte Zustandsaufnahmen

2022

View full text Add to dashboard Cite

show abstract

“…B. Riss, Abplatzung usw.). Da eine manuelle Auswertung der Bilddaten aufwendig und zeitintensiv ist, werden an dieser Stelle vorab trainierte künstliche neuronale Netzwerke angewandt [17]. Die im Bild erkannten und markierten Schäden können anschließend anhand der bekannten Kameraposition und ‐orientierung auf die Oberfläche des rekonstruierten Modells projiziert werden.…”

Section: Sonderinspektionen Durch Uas‐befliegungen Und Aufnahme Von S...unclassified

“…Eine weiterführende Beschreibung der Methoden zur Diagnose, insbesondere wie erkannte Anomalien in den Geometriemodellen gespeichert werden, waren im Umfang dieses Beitrags nicht abzubilden. An dieser Stelle sei auf andere bestehende und künftige Veröffentlichungen zu diesem Projekt hingewiesen [5, 6, 17, 25].…”

Section: Zusammenfassung Und Ausblickunclassified

Maintalbrücke Gemünden: Bauwerksmonitoring und ‐identifikation aus einem Guss

et al. 2022

View full text Add to dashboard Cite

Die Infrastruktursysteme der Industriestaaten erfordern heute und in Zukunft ein effizientes Management bei alternder Bausubstanz, steigenden Lasten und gleichbleibend hohem Sicherheitsniveau. Digitale Technologien bieten ein großes Potenzial zur Bewältigung der aktuellen und künftigen Herausforderungen im Infrastrukturmanagement. Im BMBF‐geförderten Projekt Bewertung alternder Infrastrukturbauwerke mit digitalen Technologien (AISTEC) wird untersucht, wie unterschiedliche Technologien und deren Verknüpfung gewinnbringend eingesetzt werden können. Am Beispiel der Maintalbrücke Gemünden werden ein sensorbasiertes Bauwerksmonitoring, bildbasierte Inspektion mit durch Kameras ausgestatteten Drohnen (UAS) und die Verknüpfung digitaler Bauwerksmodelle umgesetzt. Die aufgenommenen Bilder dienen u. a. als Grundlage für spätere visuelle Anomaliedetektionen und eine 3D‐Rekonstruktion, welche wiederum für die Kalibrierung und Aktualisierung digitaler Tragwerksmodelle genutzt werden. Kontinuierlich erfasste Sensordaten werden ebenfalls zur Kalibrierung und Aktualisierung der Tragwerksmodelle herangezogen. Diese Modelle werden als Grundlage für Anomaliedetektionen und perspektivisch zur Umsetzung von Konzepten der prädiktiven Instandhaltung verwendet. Belastungsfahrten und historische Daten dienen in diesem Beitrag der Validierung von kalibrierten Tragwerksmodellen.

show abstract

“…The vertical planking patterns have a width of around 10cm or 100px. Using the method described in [22], a preliminary crack detection on the images using Convolutional Neural Networks (CNN) has been performed. The CNN produced a response for two regions of the image, where cracks could be located.…”

Section: The Reference Objectmentioning

confidence: 99%

Multi-scale Flight Path Planning for UAS Building Inspection

Debus

Rodehorst

2020

Lecture Notes in Civil Engineering

Self Cite

View full text Add to dashboard Cite

Unmanned aircraft systems (UAS) show large potential for the construction industry. Their use in condition assessment has increased significantly, due to technological and computational progress. UAS play a crucial role in developing a digital maintenance strategy for infrastructure, saving cost and effort, while increasing safety and reliability. Part of that strategy are automated visual UAS inspections of the building's condition. The resulting images can automatically be analyzed to identify and localize damages to the structure that have to be monitored. Further interest in parts of a structure can arise from events like accidents or collisions. Areas of low interest exist, where low resolution monitoring is sufficient. From different requirements for resolution, different levels of detail can be derived. They require special image acquisition parameters that differ mainly in the distance between camera and structure. Areas with a higher level of detail require a smaller distance to the object, producing more images. This work proposes a multi-scale flight path planning procedure, enabling higher resolution requirements for areas of special interest, while reducing the number of required images to a minimum. Careful selection of the camera positions maintains the complete coverage of the structure, while achieving the required resolution in all areas. The result is an efficient UAS inspection, reducing effort for the maintenance of infrastructure.

show abstract

Crack Segmentation on UAS-based Imagery using Transfer Learning

Cited by 18 publications

References 16 publications

Datenmodelle für digitale Zwillinge von Brücken und bildbasierte Zustandsaufnahmen

Datenmodelle für digitale Zwillinge von Brücken und bildbasierte Zustandsaufnahmen

Maintalbrücke Gemünden: Bauwerksmonitoring und ‐identifikation aus einem Guss

Multi-scale Flight Path Planning for UAS Building Inspection

Contact Info

Product

Resources

About