[論文レビュー] Application of Segment Anything Model for Civil Infrastructure Defect Assessment

Mohsen Ahmadi, Ahmad Gholizadeh Lonbar+5 more|arXiv (Cornell University)|Apr 25, 2023

Infrastructure Maintenance and Monitoring被引用数 23

ひとこと要約

本論文はコンクリートの亀裂検出において SAM と U-Net を比較し、相補的な強みを示し、土木インフラの欠陥評価を改善するための組み合わせ手法を提案します。橋梁、建物、道路への潜在的な影響についても論じています。

ABSTRACT

This research assesses the performance of two deep learning models, SAM and U-Net, for detecting cracks in concrete structures. The results indicate that each model has its own strengths and limitations for detecting different types of cracks. Using the SAM's unique crack detection approach, the image is divided into various parts that identify the location of the crack, making it more effective at detecting longitudinal cracks. On the other hand, the U-Net model can identify positive label pixels to accurately detect the size and location of spalling cracks. By combining both models, more accurate and comprehensive crack detection results can be achieved. The importance of using advanced technologies for crack detection in ensuring the safety and longevity of concrete structures cannot be overstated. This research can have significant implications for civil engineering, as the SAM and U-Net model can be used for a variety of concrete structures, including bridges, buildings, and roads, improving the accuracy and efficiency of crack detection and saving time and resources in maintenance and repair. In conclusion, the SAM and U-Net model presented in this study offer promising solutions for detecting cracks in concrete structures and leveraging the strengths of both models that can lead to more accurate and comprehensive results.

研究の動機と目的

• 高度な深層学習手法を用いてコンクリート構造の亀裂検出を改善する動機づけ。
• Segment Anything Model (SAM) の亀裂局在性能を評価する。
• U-Net の亀裂サイズと位置の決定能力を評価する。
• SAM と U-Net の組み合わせがより正確な欠陥評価を生み出す可能性を探る。
• 保守計画における橋梁・建物・道路への潜在的な適用を強調する。

提案手法

• コンクリート亀裂データセットで SAM と U-Net を比較し、強みと限界を特定する。
• 亀裂の位置特定、特に縦長亀裂に対する SAM の画像部位分割アプローチを分析する。
• 亀裂サイズと位置を特定するポジティブラベルピクセルを識別する U-Net の能力を分析する。
• 両モデルを活用した高度な欠陥検出の組み合わせワークフローを提案する。
• さまざまなコンクリート構造における SAM と U-Net の使用の含意を論じる。

実験結果

リサーチクエスチョン

• RQ1 コンクリート構造の異なる種類の亀裂を検出する際に、SAM と U-Net はどのように機能しますか？
• RQ2 亀裂局在における SAM の強みと限界と、亀裂サイズ決定における U-Net の強みと限界は何ですか？
• RQ3 SAM と U-Net の組み合わせは全体の亀裂検出精度とカバレッジを改善できますか？
• RQ4 土木インフラの保守と安全性における実務的含意は何ですか？

主な発見

• SAM は partitions ベースのアプローチを通じて亀裂の局在に強みを示し、特に縦長亀裂に対して顕著です。
• U-Net は亀裂サイズと位置を正確に検出するためのポジティブラベルピクセルの識別に優れています。
• SAM と U-Net を一緒に使用すると、単独のモデルよりもより正確で包括的な亀裂検出結果が得られます。
• 両モデルは橋梁、建物、道路などさまざまなコンクリート構造の亀裂検出に有望な能力を示します。
• 本研究はコンクリートインフラの安全性と長寿命を向上させるための高度技術の重要性を強調しています。