論文の概要: Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs

• arxiv url: http://arxiv.org/abs/2412.17953v1
• Date: Mon, 23 Dec 2024 20:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:55:59.248478
• Title: Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs
• Title（参考訳）: 衝撃エコーを用いたコンクリートスラブ内面欠陥の自動検出のための適応信号解析
• Authors: Deepthi Pavurala, Duoduo Liao, Chaithra Reddy Pasunuru,
• Abstract要約: 本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This pilot study presents a novel, automated, and scalable methodology for detecting and evaluating subsurface defect-prone regions in concrete slabs using Impact Echo (IE) signal analysis. The approach integrates advanced signal processing, clustering, and visual analytics to identify subsurface anomalies. A unique adaptive thresholding method tailors frequency-based defect identification to the distinct material properties of each slab. The methodology generates frequency maps, binary masks, and k-means cluster maps to automatically classify defect and non-defect regions. Key visualizations, including 3D surface plots, cluster maps, and contour plots, are employed to analyze spatial frequency distributions and highlight structural anomalies. The study utilizes a labeled dataset constructed at the Federal Highway Administration (FHWA) Advanced Sensing Technology Nondestructive Evaluation Laboratory. Evaluations involve ground-truth masking, comparing the generated defect maps with top-view binary masks derived from the information provided by the FHWA. The performance metrics, specifically F1-scores and AUC-ROC, achieve values of up to 0.95 and 0.83, respectively. The results demonstrate the robustness of the methodology, consistently identifying defect-prone areas with minimal false positives and few missed defects. Adaptive frequency thresholding ensures flexibility in addressing variations across slabs, providing a scalable framework for detecting structural anomalies. Additionally, the methodology is adaptable to other frequency-based signals due to its generalizable thresholding mechanism and holds potential for integrating multimodal sensor fusion. This automated and scalable pipeline minimizes manual intervention, ensuring accurate and efficient defect detection, further advancing Non-Destructive Evaluation (NDE) techniques.
• Abstract（参考訳）: 本研究では,Impact Echo (IE)信号解析を用いて,コンクリートスラブの地下欠陥発生領域を検出し,評価するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 固有適応しきい値法は、各スラブの異なる材料特性に周波数ベースの欠陥識別を調整する。 この手法は、欠陥領域と非欠陥領域を自動的に分類するために、周波数マップ、バイナリマスク、k平均クラスタマップを生成する。 3次元表面プロット、クラスタマップ、輪郭プロットなどの重要な視覚化は、空間周波数分布を分析し、構造上の異常をハイライトするために用いられる。 この研究は、FHWA(Advanced Sensing Technology Nondestructive Evaluation Laboratory)で構築されたラベル付きデータセットを利用する。 評価は、FHWAが提供する情報から得られたトップビューのバイナリマスクと、生成された欠陥マップを比較して、地表面のマスキングを含む。 パフォーマンスメトリクス、特にF1スコアとAUC-ROCは、それぞれ0.95と0.83の値を得る。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。 適応周波数閾値設定により、スラブ間のばらつきに対処する柔軟性が保証され、構造的異常を検出するスケーラブルなフレームワークを提供する。 さらに、この手法は、一般化可能なしきい値設定機構により、他の周波数ベースの信号に適応可能であり、マルチモーダルセンサ融合の統合の可能性を秘めている。 この自動化されたスケーラブルなパイプラインは、手作業による介入を最小限に抑え、正確で効率的な欠陥検出を確保し、さらに非破壊的評価(NDE)技術を進めます。

関連論文リスト

• A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification [0.0]
  本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。 非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T20:33:34Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• PhoGAD: Graph-based Anomaly Behavior Detection with Persistent Homology Optimization [24.915797951829443]
  PhoGADはグラフベースの異常検出フレームワークである。 永続的ホモロジー最適化を利用して行動境界を明らかにする。 侵入、トラフィック、スパムデータセットの実験により、PhoGADが検出有効性において最先端(SOTA)フレームワークのパフォーマンスを上回ったことが確認された。
  論文  参考訳（メタデータ） (2024-01-19T08:13:10Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Anomaly Detection in Automated Fibre Placement: Learning with Data Limitations [3.103778949672542]
  自動繊維配置における欠陥検出と局所化のための包括的枠組みを提案する。 我々のアプローチは教師なしのディープラーニングと古典的なコンピュータビジョンアルゴリズムを組み合わせる。 様々な表面の問題を効率よく検出し、訓練のために複合部品のイメージを少なくする。
  論文  参考訳（メタデータ） (2023-07-15T22:13:36Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• A Robust Completed Local Binary Pattern (RCLBP) for Surface Defect Detection [0.3262230127283452]
  表面欠陥検出タスクのためのRobust Completed Local Binary Pattern (RCLBP) フレームワークを提案する。 提案手法では,Non-Local(NL)をウェーブレットしきい値付きフィルタと完全局所バイナリパターン(CLBP)を組み合わせて,ロバストな特徴を抽出する。
  論文  参考訳（メタデータ） (2021-12-07T22:26:34Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network [13.469645178974638]
  本研究では, トンネル内部欠陥の非破壊検出のための地中貫入レーダ(GPR)データ処理手法を提案する。 この手法では、内部欠陥構造をGPR合成データにマッピングするために、Segnetと呼ばれるCNNとLov'aszソフトマックス損失関数を組み合わせる。
  論文  参考訳（メタデータ） (2020-03-29T19:30:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。