С ускорением урбанизации бетонные конструкции становятся все более распространенными в высотных зданиях и гражданской инфраструктуре. Однако такие сооружения подвержены трещинам из-за природных катастроф, человеческой деятельности и естественного износа, что создает серьезные угрозы для их безопасности. Традиционные методы ручной проверки трещин часто оказываются затратными, времязатратными и неэффективными, а также могут ставить под угрозу жизнь инспекторов.
Группа исследователей из нескольких университетов Турции провела исследование, в котором предложила три инновационных метода для улучшения существующих технологий обнаружения трещин. В рамках работы был создан новый набор данных изображений трещин в бетоне (Concrete Cracks Image Dataset, CCID) для всесторонней проверки. Результаты исследования показали, что предложенная модель двухступенчатого ансамблевого обучения (DFTSEM) достигает точности 99%, а разработанная глубокая нейронная сеть SCAMEFNet — 98,83%. Эти показатели превосходят 17 современных архитектур глубокого обучения.
Разработанные методы не только обеспечивают высокую точность обнаружения трещин, но и предоставляют практическую техническую поддержку для интеграции управления состоянием зданий в платформы BIM умных городов. Это открывает новые горизонты для повышения безопасности и долговечности городской инфраструктуры, что особенно актуально в условиях растущих городов.