การตรวจจับการแตกร่อนของคอนกรีตในอาคารชลประทานโดยใช้โครงข่ายประสาทแบบเทียมคอนโวลูชัน

บทคัดย่อ

อาคารชลประทานมีบทบาทสำคัญในการจัดการทรัพยากรน้ำ แต่ต้องเผชิญกับปัญหาความเสียหายของโครงสร้างคอนกรีต โดยเฉพาะการแตกร่อนของคอนกรีต (Spalling) ซึ่งพบได้บ่อยในบริเวณที่เข้าถึงยาก และส่งผลต่อความแข็งแรงและอายุการใช้งานโครงสร้างที่ต้องรับแรงดันน้ำและสภาพแวดล้อมที่มีการเปลี่ยนแปลงตลอดเวลา งานวิจัยนี้จึงนำเสนอการตรวจจับการแตกร่อนของคอนกรีตในอาคารชลประทานด้วยการพัฒนาปัญญาประดิษฐ์ โดยทำการฝึกแบบจำลองโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Network: CNN) ด้วยชุดข้อมูลความเสียหายจากหลายแหล่ง รวมกับชุดข้อมูลการแตกร่อนที่พัฒนาขึ้นเอง เพื่อนำแบบจำลองมาใช้ตรวจสอบพื้นผิวคอนกรีตที่เป็นข้อมูลจากแบบจำลองสามมิติของอาคารชลประทานที่สร้างจากภาพถ่ายอากาศยานไร้คนขับ (UAV) โดยเริ่มจากเก็บข้อมูลถาพถ่ายอาคารชลประทานที่ต้องการศึกษาโดยใช้อากาศยานไร้คนขับ จากนั้นนำข้อมูลภาพถ่ายที่ได้มาสร้างแบบจำลองสามมิติ ซึ่งในขณะเดียวกันได้พัฒนาชุดข้อมูลการแตกร่อนเพื่อใช้ในการฝึกแบบจำลอง ในขั้นตอนสุดท้ายให้แบบจำลอง CNN ตรวจหาความเสียหายประเภทการแตกร่อนของคอนกรีต ผลลัพธ์ที่ได้พบแบบจำลองสามารถตรวจจับการแตกร่อนของคอนกรีตและระบุตำแหน่งของความเสียหายดังกล่าวได้อย่างถูกต้อง แม่นยำ ช่วยให้สามารถค้นหาความเสียหายและประเมินผลการตรวจสอบอาคารชลประทานได้อย่างรวดเร็ว โดยทำการทดสอบเปรียบเทียบประสิทธิภาพของแบบจำลอง 4 แบบ ได้แก่ VGG16, VGG19, ResNet101 และ ResNet152 พบว่าแบบจำลอง VGG16 ได้ค่าความถูกต้องมากที่สุดร้อยละ 86.40 ซึ่งเป็นทางเลือกที่เหมาะสมสำหรับการนำไปใช้ในการตรวจสอบอาคารชลประทาน