Page 198 - 中華技術127期

4
196 │No.127│July, 2020
使用者精度為任一種類別中分類正確的 像元數除以分類後被歸為此種類別的像元數總 和。同樣以本研究的類別為例，當裂縫類別的 使用者精度高時，表示偵測出來為裂縫的像元 中很大部分真的為裂縫，但無法保證影像中的 裂縫像元都被偵測出來。
(四) Kappa值
Kappa值是用來衡量分類結果比隨機分類好 多少的量化指標，其值介於0到1之間。一般而 言，Kappa值越大越好，但基本上高於0.8就表示 分類模型的表現已經足夠應用需求。
表1 模型於測試資料集之混淆矩陣成果
參、 橋梁檢測專用視窗操作管理 系統
圖4為本研究針對影像式橋梁檢測所開發之 LOC6D橋梁檢測系統，具有之功能包括建置單 或多時期專案(如圖4a所示包括橋梁3D模型、照 片之內外方位參數、影像儲存目錄等)、開啟專 案、編修專案內容、搜尋矩形框對應之原始影 像、製作正射影像、展示原始影像/正射影像、 AI裂縫偵測、裂縫寬度優化、向量化與簡單 化、於正射影像上展示裂縫、展示橋梁/構件3D 模型、套疊展示劣化區3D模型、同步連動多時 期3D模型、製作各式劣化區3D模型、DERU設定 與檢核等。
單位:像元
地真資料
使用者精度(%)
背景
裂縫
總計
分類結果
背景
12,903,252
2,954
12,906,206
99.98
裂縫
50,139
43,655
93,794
46.54
總計
12,953,391
46,609
13,000,000
生產者精度(%)
99.61
93.66
整體精度:99.59%，Kappa值:0.62
圖3 裂縫偵測成果範例，其中紅色標記為True Positive，藍色標記為False Positive，黃色標記為False Negative。
特稿