การตรวจสอบความเสียหายบนโครงสร้างโบราณสถานด้วยปัญญาประดิษฐ์สถาปัตยกรรมแบบ SA-Faster R-CNN

แหล่งโบราณสถานในประเทศไทยหลายแห่งที่ได้รับการขึ้นทะเบียนโดยองค์การยูเนสโก ล้วนมีความสำคัญอย่างยิ่งทั้งในเชิงประวัติศาสตร์และวัฒนธรรม อย่างไรก็ตาม โครงสร้างอันทรงคุณค่าเหล่านี้กำลังเผชิญกับความเสี่ยงจากการเสื่อมสภาพ อันเนื่องมาจากปัจจัยต่าง ๆ เช่น อายุของวัสดุ สภาพแวดล้อม การสั่นสะเทือน และภัยธรรมชาติ เช่น น้ำท่วม โดยเฉพาะอย่างยิ่งรอยแตกร้าวของโครงสร้าง ซึ่งพบได้บ่อย และยิ่งทวีความรุนแรงขึ้นจากข้อจำกัดของกระบวนการตรวจสอบแบบดั้งเดิม ที่ต้องใช้แรงงานจำนวนมาก เสี่ยงต่อความผิดพลาดจากมนุษย์ และไม่สามารถเข้าถึงพื้นที่บางจุดได้อย่างมีประสิทธิภาพ งานวิจัยนี้จึงเสนอระบบตรวจจับความเสียหายโดยอัตโนมัติบนโครงสร้างโบราณสถาน โดยใช้ปัญญาประดิษฐ์สถาปัตยกรรมแบบ Faster R-CNN ที่ได้รับการปรับปรุงด้วย Spatial Attention Module (SA-Faster R-CNN) เพื่อเพิ่มความแม่นยำในการตรวจจับและระบุตำแหน่งความเสียหายได้อย่างมีประสิทธิภาพ โดยระบบดังกล่าวได้รับการประเมินประสิทธิภาพผ่านโมเดล Faster R-CNN จำนวน 5 แบบ ซึ่งใช้ backbone ต่างกัน ได้แก่ VGG16, VGG19, ResNet50, ResNet101 และ ResNet152 ผลการทดลองพบว่า โมเดลที่ใช้ ResNet152 ร่วมกับ Spatial Attention Module (Case4) ให้ผลลัพธ์ที่ดีที่สุด สะท้อนถึงศักยภาพในการตรวจจับรอยแตกร้าวบนโครงสร้างโบราณสถานได้อย่างมีประสิทธิภาพ