[論文レビュー] Using Unmanned Aerial Systems (UAS) for Assessing and Monitoring Fall Hazard Prevention Systems in High-rise Building Projects

Yimeng Li, Behzad Esmaeili+3 more|arXiv (Cornell University)|Sep 27, 2022

Infrastructure Maintenance and Monitoring被引用数 4

ひとこと要約

本論文では、高層建築現場の非保護エッジ付近のガードレール杭の検出およびモニタリングを目的とした機械学習ベースのUASフレームワークを提案する。オブジェクト検出、床層の局所化、杭間隔解析の段階的処理を用いることで、転倒危険要因防止システムの検出精度と再現率を向上させ、エンジニアによる自動安全評価を可能にする。

ABSTRACT

This study develops a framework for unmanned aerial systems (UASs) to monitor fall hazard prevention systems near unprotected edges and openings in high-rise building projects. A three-step machine-learning-based framework was developed and tested to detect guardrail posts from the images captured by UAS. First, a guardrail detector was trained to localize the candidate locations of posts supporting the guardrail. Since images were used in this process collected from an actual job site, several false detections were identified. Therefore, additional constraints were introduced in the following steps to filter out false detections. Second, the research team applied a horizontal line detector to the image to properly detect floors and remove the detections that were not close to the floors. Finally, since the guardrail posts are installed with approximately normal distribution between each post, the space between them was estimated and used to find the most likely distance between the two posts. The research team used various combinations of the developed approaches to monitor guardrail systems in the captured images from a high-rise building project. Comparing the precision and recall metrics indicated that the cascade classifier achieves better performance with floor detection and guardrail spacing estimation. The research outcomes illustrate that the proposed guardrail recognition system can improve the assessment of guardrails and facilitate the safety engineer's task of identifying fall hazards in high-rise building projects.

研究の動機と目的

• 高層ビル工事現場におけるUASを用いた転倒危険要因防止システムの自動評価システムの開発を目的とする。
• 空中画像からのガードレール杭の検出に伴う課題、特に誤検出と不規則な杭間隔の問題を解決することを目的とする。
• 手動点検への依存を低減することで、安全モニタリングの効率を向上させることを目的とする。
• 空間的制約（床層の整合性と杭間隔）を統合することで、検出精度を向上させることを目的とする。
• 実際の高層建築現場から取得した空中画像を用いて、フレームワークの性能を検証することを目的とする。

提案手法

• UASが撮影した画像内の候補となるガードレール杭を局所化するため、YOLOベースのガードレール検出器を訓練した。
• 床層のレベルを特定し、床に整合しない検出結果をフィルタリングするために、水平線検出器を適用した。
• 杭間隔の推定には、予想される正規分布を用いて検出結果の妥当性を検証・精緻化した。
• 検出、床層整合性、間隔制約を組み合わせた段階的分類器を用いて、誤検出を低減した。
• 実際の高層建築現場の空中画像を用いて、精度と再現率の指標でフレームワークをテストした。
• 検出、床層検出、間隔推定のさまざまな組み合わせを評価し、性能最適化を図った。

実験結果

リサーチクエスチョン

• RQ1 UAS画像と機械学習を組み合わせることで、高層建築現場の非保護エッジ付近のガードレール杭を効果的に検出できるか？
• RQ2 床層の整合性や杭間隔といった空間的制約は、検出精度をどのように向上させるか？
• RQ3 床層検出と間隔推定を統合した段階的検出システムは、実世界の状況下でどの程度の性能を示すか？
• RQ4 単独の検出と比較して、提案されたフレームワークは誤検出をどの程度低減できるか？
• RQ5 複数の制約を統合することで、ガードレールモニタリングにおける精度と再現率にどのような影響を与えるか？

主な発見

• 床層検出と杭間隔推定を統合した段階的分類器が、テストされた構成の中で最高の精度と再現率を達成した。
• 床層の整合性を統合することで、構造的床に近い場所にない杭の誤検出が低減された。
• 杭間隔推定により、最も妥当な杭ペアを特定でき、検出の信頼性が向上した。
• 複雑な視覚的ごみや変動する照明条件下でも、システムは実世界の状況に耐えうる高いロバスト性を示した。
• ガードレールシステムの検出を自動化することで、手動点検の作業負荷を顕著に低減した。
• 結果から、複数の制約を統合することで、安全モニタリング用途における信頼性が向上することが示された。