Möglichkeiten der automatischen Erkennung von Tunneldefekten

Um die Möglichkeiten der automatischen Erkennung von Tunneldefekten mit Deep Learning Methoden zu analysieren, wurde von den Wiener Linien eine Studie mit zwei Partnerfirmen, die unabhängig voneinander beauftragt wurden, durchgeführt. Das Ziel war die Evaluierung der Leistungsfähigkeit von Convolutional Neural Networks (CNNs) für die Erkennung von Rissen und Sinterstellen an Tunneloberflächen.
Die dafür erforderliche Computer Vision Aufgabe heißt Bildsegmentierung. Dabei werden Pixelmasken der Bildinhalte generiert. Als Grundlage wurden Annotationen der Fehlerstellen in den Bildern der Tunnel­abschnitte erstellt, diese Annotationen stellen die Grundwahrheit für das Training und die Evaluierung der Rechenmodelle dar.
Die Ergebnisse zeigen auf Basis der Auswertung der Qualitätsmetriken, dass die Modelle Schwierigkeiten haben, die Schadensklassen zuverlässig zu erkennen. Es wird aber deutlich, dass diese das Potential haben in Form eines Assistenz­systems zukünftige Auswertungen zu unterstützen.