Аналіз методів моніторингу стану фасадів будівель на основі візуальних даних

Автор(и)

  • Артем Вячеславович Тищенко Інститут інформаційних технологій та систем НАН України, Київ https://orcid.org/0009-0003-2225-540X
  • Юрій Михайлович Шепетуха Інститут інформаційних технологій та систем НАН України, Київ https://orcid.org/0000-0002-6256-5248

DOI:

https://doi.org/10.18372/1990-5548.86.20557

Ключові слова:

моніторинг фасадів, безпілотні літальні апарати, комп’ютерний зір, штучний інтелект, нейронні мережі, фільтр Гауса, сегментація тріщин

Анотація

У статті досліджено використання інформаційних технологій для моніторингу стану фасадів будівель на основі візуальних даних, отриманих з безпілотних літальних апаратів. Дослідження підкреслює зростаючу роль БпЛА в структурних перевірках, відзначаючи їхні ключові переваги, зокрема підвищену безпеку, ефективність і точність, у порівнянні з традиційними методами. Дослідження структуровано у три основні розділи. Перший розділ містить огляд існуючих підходів до моніторингу фасадів, порівнюючи традиційні методи перевірки з методами на основі безпілотних літальних апаратів. У другому розділі розглядаються технологічні аспекти збору, обробки та аналізу даних, зосереджуючись на штучному інтелекті, комп’ютерному зорі та фотограмметрії. У останньому розділі представлено практичне застосування цих технологій, огляд відповідних програмних засобів, прикладів та економічних переваг. Результати показують, що безпілотні літальні апарати в поєднанні з передовими технологіями обробки зображень значно підвищують ефективність і надійність оцінки фасадів будівель.

Біографії авторів

Артем Вячеславович Тищенко , Інститут інформаційних технологій та систем НАН України, Київ

Аспірант

Юрій Михайлович Шепетуха , Інститут інформаційних технологій та систем НАН України, Київ

Кандидат технічних наук

Старший науковий співробітник

Провідний науковий співробітник відділу інтелектуального керування

Посилання

EN 12504-2. Testing concrete in structures – Part 2: Non-destructive testing – Determination of rebound number. European Committee for Standardization, 2021.

ASTM C805/C805M. Standard Test Method for Rebound Number of Hardened Concrete. ASTM International, West Conshohocken, PA, 2018.

DSTU B V.2.7-214. Building materials. Concrete. Non-destructive strength testing methods. Ministry of Regional Development and Construction of Ukraine, 2009.

M. Jedidi, “Evaluation of the Quality of Concrete Structures by the Rebound Hammer Method,” Current Trends in Civil & Structural Engineering. vol. 5, no. 5, 2020. https://doi.org/10.33552/CTCSE.2020.05.000621.

EN 12504-4. Testing concrete in structures – Part 4: Determination of ultrasonic pulse velocity. European Committee for Standardization, 2021.

ASTM C597. Standard Test Method for Pulse Velocity Through Concrete. ASTM International, West Conshohocken, PA, 2022.

ASTM C1383. Standard Test Method for Measuring the P-Wave Speed and the Thickness of Concrete Plates Using the Impact-Echo Method. ASTM International, West Conshohocken, PA, 2022.

N. J. Carino, “The Impact-Echo Method: An Overview,” Proceedings of the Structures Congress & Exposition. ASCE, vol. 15, 2001, pp. 1–15. https://doi.org/10.1061/40558(2001)15

ISO 6781-1. Performance of buildings – Detection of heat, air and moisture irregularities in buildings by infrared methods – Part 1: General procedures. International Organization for Standardization, Geneva, 2023.

ASTM D6432. Standard Guide for Using the Surface Ground Penetrating Radar (GPR) Method for Subsurface Investigation. ASTM International, West Conshohocken, PA, 2019.

C. U. Grosse, M. Ohtsu, and H. Linzer, “Acoustic Emission Testing,” Springer, vol. 2, 2021, pp. 1–405. https://doi.org/10.1007/978-3-030-67936-1

R. S. Sirohi, “Shearography and its applications – a chronological review,” Light: Advanced Manufacturing, vol. 3, Article 1, pp. 1–19, 2022. https://doi.org/10.37188/lam.2022.001

D. D. Mandal, et al., “Acoustic emission monitoring of damage modes in reinforced concrete beams by using narrow partial power bands,” Scientific Reports, vol. 14, Article 27082, 2024. https://doi.org/10.1038/s41598-024-78561-6

S. A. Kudus, et al., “Investigation on Acoustic Emission Parameters due to Fatigue Damage of Concrete Beams with Variable Notched Depth,” International Journal of Concrete Structures and Materials, vol. 16, Article 29, 2022. https://doi.org/10.1186/s40069-022-00518-8

C. Kralovec and M. Schagerl, “Review of Structural Health Monitoring Methods Regarding a Multi-Sensor Approach,” Sensors, vol. 20, no. 3, 826, 2020. https://doi.org/10.3390/s20030826

G. S. Meira, J. V. F. Guedes, and E. S. Bias, “UAV-Embedded Sensors and Deep Learning for Pathology Identification in Building Façades: A Review,” Drones, vol. 8, no. 7, 341, 2024. https://doi.org/10.3390/drones8070341

S. Halder and K. Afsari, “Robots in Inspection and Monitoring of Buildings and Infrastructure: A Systematic Review,” Applied Sciences, 13(4):2304, 2023. https://doi.org/10.3390/app13042304.

M. Hajjar et al., “The State of the Art and Potentialities of UAV-Based 3D Measurement Techniques for Structural Health Monitoring,” Sensors, vol. 25, no. 16, 5134, 2025. https://doi.org/10.3390/s25165134

S. V. Shatov, A. O. Tityuk, M. V. Savitsky, and A. A. Tityuk, “Inspection of the technical condition of chimneys using unmanned aerial vehicles”

T. Jin, W. Zhang, C. Chen, et al., “Deep-Learning- and UAV-Based Structural Crack Detection in Concrete,” Buildings, vol. 13, no. 12, 3114, 2023. https://doi.org/10.3390/buildings13123114

J.V.F. Guedes, G.S. Meira, E.S. Bias, B. Pitanga, and V. Lisboa, “Performance of Sensors Embedded in UAVs for Analysis and Identification of Pathologies in Building Façades,” Buildings, vol. 15, no. 6, 875, 2025. https://doi.org/10.3390/buildings15060875

S. Dorafshan, R. J. Thomas, and M. Maguire, “Comparison of deep convolutional neural networks and edge detectors for image-based crack detection in concrete,” Construction and Building Materials, 186:1031–1045, 2018. https://doi.org/10.1016/j.conbuildmat.2018.08.011.

C. V. Dung and L. D. Anh, “Autonomous concrete crack detection using deep fully convolutional neural network,” Automation in Construction, 99:52–58, 2019. https://doi.org/10.1016/j.autcon.2018.11.028.

W. W. Greenwood, J. P. Lynch, and D. Zekkos, “Applications of UAVs in Civil Infrastructure.” Journal of Infrastructure Systems, 25(2):04019002, 2019. https://doi.org/10.1061/(ASCE)IS.1943-555X.0000464.

L. Yang, et al., “Surface Defect-Extended BIM Generation Leveraging UAV Images and Deep Learning,” Sensors, vol. 24, no. 13, 4151, 2024. https://doi.org/10.3390/s24134151

F. Kizilay, M. R. Narman, H. Song, H. S. Narman, C. Cosgun, and A. Alzarrad, “Evaluating Fine-Tuned Deep Learning Models for Real-Time Earthquake Damage Assessment with Drone-Based Imagery,” AI Perspectives in Infrastructure Monitoring. Springer, 2024. https://doi.org/10.1007/s43503-024-00034-6

##submission.downloads##

Опубліковано

2025-12-13

Номер

Том 4 № 86 (2025)

Розділ

КОМП’ЮТЕРНІ НАУКИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).