Zurück Vor

Detailergebnis zu DOK-Nr. 80506

Ein steuerbares generatives Modell für die Erzeugung von Rissbildern auf Straßenbefestigungen an komplexen Orten (Orig. engl.: A controllable generative model for generating pavement crack images in complex scenes)

Autoren	H. Zhang Z. Qian W. Zhou Y. Min P. Liu
Sachgebiete	11.1 Berechnung, Bemessung, Lebensdauer 12.0 Allgemeines, Management

Computer-aided Civil and Infrastructure Engineering (2024), S. 1-16, 12 B, 1 T, zahlr. Q. − Online-Ressource: verfügbar unter: https://doi.org/10.1111/mice.13171

Risse in Straßenbefestigungen beeinflussen signifikant die Festigkeit und Dauerhaftigkeit von Straßen. Damit wirken sie sich auf die Anforderungen an Erhaltungsstrategien im Rahmen von Pavement Management Systemen aus. Das zuverlässige Erkennen und Quantifizieren von Rissen ist deshalb von großer Bedeutung. In den vergangenen Jahren hat das Maschinelle Lernen verstärkt Einzug gehalten in das Straßen- und Verkehrswesen. Die Autoren weisen darauf hin, dass die bestehenden Risserkennungsmethoden, die auf Deep Learning basieren, an komplexen Orten beziehungsweise bei komplexen Bedingungen wie Bremsspuren, Wasserflecken und Schatten an Grenzen stoßen. Sie entwickeln ein steuerbares generatives Modell für die Erzeugung von Rissbildern an komplexen Orten. Dieses Rissdiffusionsmodell (CDM) basiert auf dem Diffusionsmodellnetzwerk. Das vorgeschlagene CDM enthält die beiden Prozesse Vorwärtsdiffusionsprozess und Umkehrprozess. Die Trainingsphase und Bilderzeugungsphase werden erläutert. Für die Experimentphase wurden 600 Bilder mit der Auflösung 1024x1024 verwendet. Resümierend wird herausgestellt, dass mit dem CDM der Aufwand für die Datenerfassung und -kennzeichnung, besonders an komplexen Orten, wirksam verringert werden kann.