บทความทบทวนวิธี Machine Learning และ Computer Vision สำหรับตรวจหารอยร้าวในคอนกรีต ซึ่งเป็นพื้นฐานของการตรวจสภาพโครงสร้างอัตโนมัติและการบำรุงรักษาเชิงคาดการณ์
ข้อค้นพบสำคัญ
- รวบรวมแนวทางตรวจรอยร้าวด้วยภาพและ Machine Learning
- เปรียบเทียบพัฒนาการของวิธีดั้งเดิมกับ Deep Learning
- ชี้โจทย์เรื่องความหลากหลายของข้อมูล สภาพแวดล้อมจริง และการประเมินมาตรฐาน
ทำไมจึงมีความสำคัญระดับโลก
ระบบตรวจโครงสร้างอัตโนมัติสามารถช่วยลดต้นทุนและเพิ่มความถี่ในการเฝ้าระวังสะพาน อาคาร และโครงสร้างพื้นฐานทั่วโลก
บทบาทของนักวิจัยไทย
Tidarut Jirawattana-Somkul ซึ่งมีสังกัดประเทศไทยตามข้อมูล OpenAlex ร่วมเป็นผู้เขียนในทีมวิจัยนานาชาติ
ข้อจำกัดที่ควรรู้
เป็นบทความทบทวนและข้อมูลสังกัดควรตรวจซ้ำจากระเบียนผู้เผยแพร่ก่อนใช้ในเอกสารทางการ ผลของโมเดลยังขึ้นกับชุดข้อมูลและสภาพหน้างาน