地下鉄のトンネル安全監視のための自動亀裂検出および分類方法

亀裂は、インフラストラクチャの安全状況を反映した重要な指標です。このペーパーでは、地下鉄のトンネル安全監視のための自動亀裂検出と分類方法を紹介します。高速相補的な金属酸化物 - 半導体（CMOS）産業用カメラを適用すると、トンネル表面をキャプチャしてデジタル画像に保存できます。次のステップでは、潜在的な亀裂欠陥を持つ局所的な暗い領域は、形態学的画像処理技術としきい値操作を利用することにより、元のグレースケール画像からセグメント化されます。特徴抽出プロセスでは、亀裂と他の無関係なオブジェクトの間の空間形状の違いを効果的に説明する距離ヒストグラムベースの形状記述子を提示します。他の機能に加えて、分類結果は90％以上の誤認されたオブジェクトを正常に削除します。また、元のグレースケール画像と比較して、亀裂長の90％以上が最後の出力バイナリ画像に保存されています。提案されたアプローチは、北京の地下鉄ライン1の安全監視でテストされました。実験結果は、パラメーター設定のルールを明らかにし、提案されたアプローチが自動亀裂の検出と分類に効果的かつ効率的であることを証明しました。

Cracks are an important indicator reflecting the safety status of infrastructures. This paper presents an automatic crack detection and classification methodology for subway tunnel safety monitoring. With the application of high-speed complementary metal-oxide-semiconductor (CMOS) industrial cameras, the tunnel surface can be captured and stored in digital images. In a next step, the local dark regions with potential crack defects are segmented from the original gray-scale images by utilizing morphological image processing techniques and thresholding operations. In the feature extraction process, we present a distance histogram based shape descriptor that effectively describes the spatial shape difference between cracks and other irrelevant objects. Along with other features, the classification results successfully remove over 90% misidentified objects. Also, compared with the original gray-scale images, over 90% of the crack length is preserved in the last output binary images. The proposed approach was tested on the safety monitoring for Beijing Subway Line 1. The experimental results revealed the rules of parameter settings and also proved that the proposed approach is effective and efficient for automatic crack detection and classification.