EASY-(DAI)² - Economical & Automated SYstem for Distresses Detection on Airfield Infrastructure with Artificial Intelligence | FEREC 2020

Vers un relevé simplifié et automatisé des dégradations par IA Lauréat de l’appel à projets 2020 Fondation FEREC « Intelligence artificielle (IA) appliquée aux infrastructures en service » 27 / 39 Tableau 7. Résultats du traitement par deep learning des images collectées sur la piste Charlie L e Tableau 7 r ecense et caractérise les détections pour les fissurations longitudinales et transversales. Les critères de précision, de rappel et le F1-score sont calculés dans les bandes contenant suffisamment de défauts pour que cela ait un intérêt sachant que le nombre total de dégradations sur cette piste est assez faible. D’une façon générale, on recense un peu plus de faux positifs et de faux négatifs que pour les résultats obtenus à Lognes sur des chaussées souples. La conséquence est un F1-score moins performant. Par ailleurs, les quantités de faux positifs et de faux négatifs étant équilibrées, il y a donc à peu près autant de détections erronées que de détections manquées. VP FP FN Precision Rappel F1-score LC 0 0 1 X X X TC 1 1 0 X X X Total Fissures 1 1 1 X X X LC 2 1 1 X X X TC 2 0 0 X X X Total Fissures 4 1 1 X X X LC 8 5 8 61.54% 50.00% 55% TC 7 3 9 70.00% 43.75% 54% Total Fissures 15 8 17 65.22% 46.88% 55% LC 2 5 9 X X X TC 0 1 2 X X X Total Fissures 2 6 11 X X X LC 1 2 3 X X X TC 2 4 0 X X X Total Fissures 3 6 3 X X X LC 2 3 7 40.00% 22.22% 29% TC 1 0 11 100.00% 8.33% 15% Total Fissures 3 3 18 50.00% 14.29% 22% LC 40 5 8 88.89% 83.33% 86% TC 1 2 2 33.33% 33.33% 33% Total Fissures 41 7 10 85.42% 80.39% 83% LC 14 2 2 87.50% 87.50% 88% TC 0 1 1 X X X Total Fissures 14 3 3 82.35% 82.35% 82% LC 3 3 0 X X X TC 0 3 0 X X X Total Fissures 3 6 0 X X X LC 72 26 39 73.47% 64.86% 69% TC 14 15 25 48.28% 35.90% 41% Total Fissures 86 41 64 67.72% 57.33% 62% Bande 7 Bande 8 Bande 9 Total toutes bandes Bande 1 Bande 2 Bande 3 Bande 4 Bande 5 Bande 6