| 建築物的外牆逐漸老化，牆縫吸收水分濕氣，
經歷日夜溫差變化、熱脹冷縮，加上台灣地震頻
仍，導致外牆磁磚龜裂，甚與牆面分離，磁磚剝
落而造成意外。然，高樓外牆的巡檢不易，成本
是另一負擔，經常實施不易。鑒於此，本論文以
「深度學習」(deep learning)作為解決問題的主要
手段，將辨識功能實施在嵌入式開發板上，讓使
用者易於攜帶，能以簡便的方式識別大樓的磁磚
破裂程度，助益高牆巡檢的工作執行。本論文透
過空拍機到校內外多處把實地蒐集到的影像資料
依牆面劣化的程度分成數個類別並可透過前置處
理(preprocessing)程序，製作裨益機器學習特徵的
圖像樣本，提升受制於樣本量有限的學習品質。
為此，我們在嵌入式開發板 Jetson TX2與電腦主機
同時建立 TensorFlow 的環境並使用 Keras 作為架設
模塊的基礎，利用 Keras 設立卷積神經網路的模型
且以 TensorFlow 作為後端進行訓練。整個網路的
模型以 AlexNet 為基礎，並在訓練階段使用不同型
態的樣本，再把訓練好的最適模型儲存於嵌入式
開發板以利直接利用。使用者利用空拍機可將蒐
集到的圖像資料輸入，即能自動快速地辨識磁磚
損害的狀況屬於哪種程度。透過簡易的操作讓一
般的民眾也能快速上手，大幅減少工人攀爬高樓
的危險。實驗結果顯示，所研製的系統能達到86%
的辨識率，具備實用價值。
|
