文章詳目資料
中興工程
加入收藏
下載文章
中文摘要
臺灣營運中的隧道長度已超過一千公里以上，如何維持並確保隧道的安全及穩定性為隧道營運的首要任務。然而，傳統安全檢測仍多仰賴人力作業，以仰望目視的方式檢查並繪製於紙本記錄，在光線不足且作業時間受限的情況下將會影響巡檢的精度與可靠度。在缺乏數值依據佐證下，不同經驗與專業背景的巡檢人員，對於相同的場景在異狀的判釋、完整性以及成果細緻度上，恐產生顯著的差異，同時，人工繪製與定位隧道內的異狀特徵往往相當耗時且無法量化其成果品質。有鑒於此，本計畫旨在將隧道巡檢資料數據化及標準化，在減少人力成本的情況下提升作業效率與自動化程度，並降低人工檢視造成的漏判與誤判。研究中運用驗證後之人工智慧深度模型（Deep Learning Model）實現隧道異狀（裂縫、滲水、修補痕跡、白華等）特徵的自動化偵測、辨識與定位，可望提升作業成效，增進隧道異狀判釋與隧道相關檢查業務之能力與競爭力。