建築劣化檢測技術結合AI，助力基礎設施維護
過去經濟高度增長時期、都市化發展快速，都市內的道路、隧道、橋樑等基礎設施建設進行得集中而迅速。基礎建設隨著時間推移，受到環境溫溼度與磨損等影響，無可避免地會產生裂紋、剝落、露筋等劣化現象，不僅影響到基礎建設的使用壽命，還可能對公眾安全構成威脅。
為了確保這些設施安全及耐用性，定期檢測變得至關重要。然而，傳統測量通常需使用專業儀器亦或配有雷射設備之專用車輛，且測量作業存在業務量大、專業測量員不足等問題，不僅耗時費力且所需成本高昂。
近期，日本電信電話株式會社（NTT）開發了一項自動劣化檢測技術，這項技術能自動檢測結構劣化情況、並計算其範圍，且無需昂貴儀器與專用車輛，只需使用市售數位相機，便能夠以誤差10%以內精準度測量劣化範圍，實現劣化檢測自動化及大幅提升便利性。
【自動劣化檢測技術原理】
此項技術的核心為「劣化檢測」與「比例估算」兩種技術之結合。首先，利用數位相機拍攝建物結構的影像，再運用劣化檢測算法分析影像像素區域，並自動識別出劣化區塊的位置，最後運用比例估算，便能計算出其實際大小。
圖1：自動劣化檢測之過程，結合劣化檢測與比例估算兩種技術。
圖片來源：コンクリート構造物の撮影画像から高精度に劣化を計測する技術を確立～計測稼働を削減・専用機材が不要、インフラ設備点検の低コスト化を実現～
在進行比例估算時，為了提高影像比例尺的估算精準度，系統將影像分割成矩形區域，接著使用兩種不同的AI模組解析混凝土表面紋理與特徵，以抽取污垢較少的矩形區塊，進而高精度地估算整體影像比例尺，實現影像至實際尺寸準確轉換。
圖2：比例估算AI運作示意圖。
圖片來源：コンクリート構造物の撮影画像から高精度に劣化を計測する技術を確立～計測稼働を削減・専用機材が不要、インフラ設備点検の低コスト化を実現～
比例估算根據兩種AI估算數值判斷髒污程度，如果差值小，表示髒污較少，適合用於比例估算；相反，如果差值較大，表示髒污較多，不適合用於比例估算。如此一來，即使表面附著髒污，依然能夠高精度地估算影像比例尺，確保劣化範圍準確測量。
通過兩個AI模組協同運作，得確保檢測的全面及準確性，利用這套系統，使用者只需使用數位相機，拍攝設施影像，便可獲得詳細劣化資訊，包括位置、大小、嚴重程度，而無需進行繁瑣的人工檢測。
【實際應用之準確度及優劣勢】
為了確認檢測準確度，NTT以通信電纜所使用的隧道為實際驗證對象，使用市售數位相機拍攝共3000張影像，並使用比例尺估算技術進行影像比例尺估算。結果顯示，使用這項技術時，精準度誤差率能夠降至5.7%，相較於先前的技術，提高了約4%精確度。
劣化計測方面，則以隧道中30根裸露鋼筋試驗，透過檢測裸露鋼筋長度進行劣化檢測的性能驗證。結果顯示，與原先誤差率52.7%相比，應用這項技術，誤差將減少至17.1%，此技術在實際應用中展現穩定的測量精確度，足以確認劣化規模，並進一步應用於實際修復作業及優先順序判斷。
與傳統透過超音波、雷達波、核磁共振等檢測方法相比，NTT自動劣化檢測不需昂貴的儀器與設備，具有低成本、高自動化、汙染程度小等優勢，但同時也存在對微小範圍檢測之精確度有限、檢測結果受影像品質影響等問題有待解決。
【未來應用前景】
基礎建設之定期檢查與維護對都市安全不可或缺，卻面臨人力不足及成本高昂等問題。若應用此技術，不僅可檢測道路、隧道、橋樑等各種基礎設施劣化的情形，解決傳統檢測方法所面臨的作業量大及成本問題，還可進一步應用於建物結構檢測，以確保建築物安全性。此外，還可於環境監測領域擴大應用，例如檢測海堤、水壩等劣化情況，以預防自然災害發生。期待未來透過與AI技術的結合，利用自動劣化檢測技術提高基礎設施檢測效率，為都市建設以及環境保護做出貢獻！
參考來源：
- 封面圖片來源:Photo by unsplash
- コンクリート構造物の撮影画像から高精度に劣化を計測する技術を確立～計測稼働を削減・専用機材が不要、インフラ設備点検の低コスト化を実現～