人工智能(AI)在建筑物构件损坏辨识中的应用研究

建筑物施工开挖常造成邻房损害事件发生。因此,须办理现况鉴定、损邻鉴定,以厘清建筑物是否为施工开挖造成损坏或是其他原因,如耐久性损坏及震损。常见之损坏,如混凝土剥落,造成钢筋外露、渗漏水、白华壁癌、裂缝等。为此,研究目标为利用人工智能中的深度学习模型,分别为对象侦测(YOLO-v5)与实例分割(Mask R-CNN)两种影像辨识模型,并以辨识常见之建筑物耐久性损坏,辅助现况鉴定人辨识并评估建物损坏程度。除了分析介绍模型训练的原理与方法,以及用来判断训练结果的指标意义外,亦说明本研究模型选择的依据与训练策略。研究将以桃园市某小学之走廊作为实际案例,并以固定拍摄手法,以取得图像映像场域之相对位置。检测区域纪录完成后,再将拍摄的影像分别输入于训练好的YOLO-v5作对象侦测,以及Mask R-CNN作影像分割,成功研发了深度学习模型。目前,人工智能于建物损坏识别已能够在特定检测目标达约八成之检测精度。具有侦测框之YOLOv5模型可应用于辨识壁癌渗水之耐久性损坏类型,而具屏蔽之Mask R-CNN模型可应用于辨识裂缝。