利用异常检测技术提高基于无人机的港口码头墙壁裂缝检测的可靠性 Akage Masachika, Yoshida Daisuke, Fujimoto Wakana

《Geomatics》：Improving the Reliability of UAV-Based Crack Inspection of Port Quay Walls Using Anomaly Detection Masachika Akage, Daisuke Yoshida and Wakana Fujimoto

　　

摘要

基于无人机的港口码头墙壁裂缝检测在高效基础设施维护方面具有很大潜力，但其实际应用仍受到碎屑、污渍和不规则表面纹理导致的频繁误报的阻碍。本研究提出了一种基于小型通用无人机获取的航拍图像的裂缝检测系统误报减少框架。该方法在对象检测后引入异常检测机制，根据检测到的裂缝候选区域与预学习到的裂缝图像特征分布的偏差对其进行重新评估。该框架采用基于视觉变压器（ViT）的异常检测模型，并研究了标准阈值和低阈值下的对象检测设置。在五个验证区域的实验验证表明，标准阈值对象检测与异常检测的结合显著提升了F1和F2分数，优于传统基线方法，有效抑制了误报同时保持了裂缝的检测能力。在低阈值设置下，基于Frangi滤波器的预处理比基于灰度的预处理更有效，在某些5米范围内的裂缝检测中实现了裂缝提取与误报抑制之间的良好平衡。然而，这种优势会随着图像分辨率的降低而减弱。总体而言，当前框架中最稳健的配置是标准阈值对象检测与基于异常的误报抑制的结合。相比之下，低阈值操作的效果很大程度上依赖于图像分辨率。研究结果还表明，实际应用需要根据现场条件和图像清晰度（GSD）来校准异常检测阈值。