Forscher haben ein auf YOLO11 basierendes Erkennungsmodell namens YOLO11-FR vorgestellt, das die Genauigkeit bei der Identifikation von Rissen in Brückenkonstruktionen signifikant erhöht. Die Autoren Yangming Zhang, Baohui Tian und Hufeng Guo geben an, dass das Verfahren insbesondere bei schwach kontrastreichen und texturähnlichen Oberflächen bessere Resultate liefert.
Hintergrund
Risse gelten als zentrale Anzeichen für den Verschleiß von Brücken, wobei eine zuverlässige Detektion für Betrieb, Instandhaltung und Sicherheitsbewertung unerlässlich ist. Bisherige Verfahren kämpfen mit der geringen Sichtbarkeit von Rissen und deren Verwechslung mit Betontexturen, Flecken oder anderen Hintergrundmustern.
Methodik
Das vorgestellte System kombiniert einen Fused Fourier Conv Mixer (FFCM) mit einem Residual Edge Enhancement Module (REEM). Der FFCM verknüpft lokale Faltung mit einem gesteuerten Fourier‑Zweig, um eine Vollspektrum‑Interaktion im Frequenzbereich zu ermöglichen. Gleichzeitig regulieren leichte Gate‑Mechanismen und begrenzte Residualskalierung die rekonstruierten Signale. Das REEM verstärkt Kantenmerkmale durch lokale und dilatierte Depthwise‑Zweige, horizontale sowie vertikale Streifenkonvolutionen, einen Sobel‑Kanten‑Prior und kanal‑räumliche Gates.
Experimentelle Validierung
Die Autoren führten Vergleichstests auf dem Teil‑Datensatz GYU‑DET‑Crack aus dem öffentlichen GYU‑DET‑Datensatz durch. Im Vergleich zum YOLO11n‑Basismodell steigerten sich die mAP50‑Werte um 3,4 Prozentpunkte und die mAP50‑95‑Werte um 3,7 Prozentpunkte. Zusätzliche Tests auf dem Crack500‑Datensatz zeigten eine Erhöhung von mAP50 von 56,0 % auf 57,7 % sowie von mAP50‑95 von 32,7 % auf 34,8 %.
Bedeutung fĂĽr die Praxis
Die Resultate deuten darauf hin, dass YOLO11-FR eine praktikable Lösung für die automatisierte Risserkennung unter komplexen Betonoberflächen darstellt. Durch die verbesserte Genauigkeit könnten Wartungspläne effizienter gestaltet und potenzielle Gefahren früher erkannt werden.
Ausblick
Die Autoren schlagen vor, das Modell weiter zu testen und an weitere Infrastruktur‑Datensätze anzupassen, um die Robustheit gegenüber unterschiedlichen Umgebungsbedingungen zu prüfen. Eine mögliche Integration in mobile Inspektionssysteme könnte die Echtzeit‑Analyse von Brückenstrukturen ermöglichen.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung