UAV検査のための軽量セマンティックセグメンテーションモデルによる自動橋梁ひび割れ検出
Automatic bridge crack detections: A lightweight segmentation model for UAV inspection
本研究では、UAV(無人航空機)を用いた橋梁のひび割れ検出において、計算負荷が低く詳細なモデリングが可能な軽量セマンティックセグメンテーションネットワーク「Feather SFASwinUnet」を提案する。このモデルは、グローバルな意味情報とローカルな詳細特徴を融合する「Scale Fusion Attention (SFA)」モジュールと、スキップ接続における特徴歪みを補償する「Feather ConvBlock (FCB)」モジュールを導入している。公開データセットSDNET2018での実験では、mIoU 81.25%、mDice 88.57%を達成し、UnetやDeepLabV3+などの従来手法を上回る性能を示した。さらに、YOLO11-BD検出アルゴリズムと組み合わせることで、複雑な背景下での検出・セグメンテーション精度と頑健性を向上させた。ひび割れの幅と長さの測定誤差は5%以内に制御され、橋梁の健全性評価と維持管理に信頼性の高い技術的サポートを提供する。本手法は、UAV検査における自動ひび割れ検出と定量分析に効率的かつスケーラブルなアプローチを提供するもので、高い工学的応用ポテンシャルを持つ。
- UAVによる橋梁ひび割れ検出向けに軽量セマンティックセグメンテーションネットワーク「Feather SFASwinUnet」を提案。SFAモジュールとFeather ConvBlockでグローバル意味情報とローカル詳細特徴を融合し、スキップ接続の特徴歪みを補償する。
- 公開データセットSDNET2018でmIoU 81.25%、mDice 88.57%を達成し、UnetやDeepLabV3+などの従来手法を上回った。
- YOLO11-BD検出アルゴリズムとの組み合わせにより、複雑な背景下での検出・セグメンテーション精度と頑健性が向上。
- ひび割れの幅と長さの測定誤差を5%以内に制御し、橋梁の健全性評価・維持管理への応用可能性を示した。
インフラ点検という実需のある領域で、軽量セグメンテーションモデルと検出アルゴリズムの組み合わせによりUAV搭載可能な計算負荷に抑えつつmIoU 81.25%を達成した点は、ドローン点検ソリューションの実運用ハードル(機上処理・電力制約)を下げる意味で注目される。SDNET2018という公開ベンチマークでの比較優位と5%以内の計測誤差は、橋梁維持管理の定量評価サービスへの商用展開可能性を示す。ただし研究段階の成果であり、実装企業や調達の動きは示されておらず、投資判断には実証案件や製品化の進展を待つ必要がある。