Page 201 - 中華技術127期

■ 目前採用之FCN裂縫偵測成果會導致裂 縫過寬，還需進行影像後處理進行優 化。若影像品質不佳有雜訊或橋梁表面 有髒污，也會導致裂縫優化成果有雜 訊。因此，未來仍需進一步探討其他機 器學習技術，是否可能直接偵測到一個 像元寬度的裂縫?此外，目前AI自動偵 測的劣化類別僅有裂縫一項，而使用之 訓練資料數量與多元性仍不足，造成準 確度與劣化類別有不足現象，尚無法完 全滿足影像式橋檢作業的所有需求。故 未來仍需要增加更多訓練資料，除了混 凝土裂縫外再增加其他類別的判釋，包 括混凝土剝落、鋼筋外露或銹蝕、滲水 白華等。
■ 目前開發之LOC6D作業系統，在3D展 示介面上仍不夠平順，一開始開啟3D 模型時需花許多時間、耗費大量記憶 體、一般電腦在瀏覽時會有斷斷續續 現象、3D瀏覽與操作模式仍不夠友善 等。故未來仍有需要透過多重解析度資 料格式與3D渲染技巧來提升其效能。
■ 多時期變異分析部分，目前僅能以人眼 判識其差異。未來應該進一步提升到自 動辨識、計算與統計的程度，並可透過 查詢進一步以人工進行視覺化檢視，以 協助橋梁檢測。
參考文獻
1. Carrivick, J., Smith, M., Quincey, D., 2016. Structure from Motion in the Geosciences.
2. Hirschmüller, H., 2008. Stereo processing by semiglobal matching and mutual information.
IEEE Trans. Pattern Anal. Mach. Intell. 30(2), 328-341.
3. Long, J., Shelhamer, E., Darrell, T., 2015. Fully convolutional networks for semantic segmentation, Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 3431-3440.
4. Nurutdinova, Andrew; Fitzgibbon, Andrew (2015). "Towards Pointless Structure from Motion: 3D reconstruction and camera parameters from general 3D curves", Proceedings of the IEEE International Conference on Computer Vision (ICCV 2015).
5. Yasutaka Furukawa and Jean Ponce. Accurate camera calibration from multi-view stereo and bundle adjustment. International Journal of Computer Vision, 84(3):257–268, September 2009.
6. Yasutaka Furukawa, Brian Curless, Steven M. Seitz, and Richard Szeliski. Towards Internet- scale multiview stereo. In IEEE Conference on Computer Vision and Pattern Recognition, 2010.
7. 交通部, 「交通技術標準規範公路類公路工 程部-公路橋梁檢測及補強規範」，交通部 頒布規範，臺北，臺灣 (2018)。
8. 交通部, 「交通技術標準規範公路類公路工 程部-公路橋梁檢測及補強規範」，交通部 頒布規範，臺北，臺灣 (2020)。
4
No.127│July, 2020│ 199
特稿