深層学習を用いた自動舗装ひび割れ検出と分類

資産の状態を監視することは、効率的な輸送資産管理を構築する上で重要な要素です。画像処理の大きな進歩により、従来の手動分類は半自動技術または自動技術に大部分が置き換えられました。その結果、自動資産検出と分類技術が必要とされています。本論文では、著名なYou Only Look Once (YOLO) バージョン5 (YOLOv5) およびバージョン8 (YOLOv8) アルゴリズムを使用して、道路の舗装ひび割れを検出し分類する方法論を提案します。実験結果は、舗装ひび割れ検出の精度が異なる照明条件や画像サイズの下で67.3%に達することを示しました。この研究の成果は、高速道路機関が異なる照明条件下で正確に資産の状態を検出し分類するのを支援できます。これにより、手動検査に関連するコストと時間が削減され、高速道路資産の維持管理コストが大幅に削減されることが期待されます。