 |
Détection d'anomalies dans des images de tunnels par forêts d'arbres aléatoires ou par apprentissage profond
1 : Laboratoire de Strasbourg
(Cerema / Dter Est / LS)
Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement
11, rue Jean Mentelin, BP 967035 Strasbourg Cedex -
France
2 : Centre d'Etudes des tunnels
(CETU)
Ministère de l'Ecologie, du Développement Durable et de l'Energie
25, avenue François Mitterrand, 69674 Bron cedex -
France
3 : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie
(ICube)
-
Site web
université de Strasbourg, CNRS : UMR7357
300 bd Sébastien Brant - BP 10413 - F-67412 Illkirch Cedex -
France
La maintenance des tunnels requiert une inspection visuelle lourde et contraignante.
Dans cet article, on se propose d'évaluer et de comparer
trois modèles, une forêt aléatoire et deux réseaux convolutifs,
dédiés à la détection d'anomalies (e.g. des fissures) sur les
parements des tunnels par analyse d'images.
Chaque modèle a été entraîné sur deux banques de données différentes,
représentant des parois en béton et des parois en maçonnerie.
On montre qu'ils permettent tout trois d'atteindre le niveau de l'état de l'art sur ce domaine applicatif.
