การตรวจจับรอยร้าวของอาคารชลประทานโดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน

ปัญหาหลักของโครงสร้างอาคารชลประทานที่พบได้บ่อยคือ คอนกรีตมีการผุกร่อน, แตกร้าว,ทรุดตัว และความเสียหายอื่นๆ การตรวจสอบโครงสร้างอาคารจึงมีความจำเป็นในการตรวจสอบเพื่อป้องกันความเสียหาย งานวิจัยนี้เป็นการนำโครงข่ายประสาทเทียมคอนโวลูชัน (Convolutional neural network) คือแบบจำลอง VGG19 และ ResNet152V2 โดยการดึงคุณสมบัติ (Feature extraction) เพื่อนำมาสร้างแบบจำลองใหม่ในการตรวจสอบรอยร้าวบนอาคารชลประทานและนำผลที่ได้มาเปรียบเทียบกับวิธี STRUM (Spatially tuned robust multi feature) คือการนำคุณลักษณะเด่นของภาพ (Feature) มาใช้ร่วมกับเครื่องมือจำแนกของการเรียนรู้ของเครื่อง (Machine learning) มาทำการฝึกแบบจำลองให้เรียนรู้ และนำมาใช้ในการจำแนกรูปภาพอาคารชลประทาน จากการศึกษาพบว่าค่าความถูกต้องของกลุ่มแบบจำลอง CNN โครงสร้างสถาปัตยกรรม VGG19 ได้ค่าความถูกต้องสูงสุดที่ 99.37% และกลุ่มแบบจำลอง STRUM Classifier จำแนกด้วย Support Vector Machine ได้ค่าสูงสุดที่ 95.36%