Edge Computing for Real-Time Detection and Analysis of Cracks in Concrete Surfaces

This paper explores real-time detection and analysis techniques for concrete surface cracks using edge computing. As infrastructure ages, the timely and accurate detection of concrete surface cracks becomes critical for maintaining structural integrity and prolonging service life. Traditional crack detection methods often rely on manual inspection or centralized cloud computing solutions, both of which suffer from inefficiencies and response delays. To address these limitations, this paper proposes a novel crack detection system based on the Jetson Nano platform. The system utilizes the advanced YOLOv8 semantic segmentation algorithm for real-time crack identification and data analysis. A high-resolution camera module captures surface images, and the system’s data is presented through a user interface or terminal output, allowing for remote and timely observation by relevant personnel. This approach eliminates the need for active buzzer and tri-color alarm light modules, streamlining the process and facilitating efficient monitoring from a distance. Additionally, due to the lightweight and flexible characteristics of the Jetson Nano, the system can be deployed on drones, robots, and other intelligent devices, enabling real-time detection and evaluation of concrete surface cracks with personnel oversight to ensure safety. Experimental results demonstrate that the proposed system offers faster detection speeds and higher accuracy compared to traditional methods, highlighting the significant potential of edge computing for real-time structural health monitoring. This study provides an effective technical solution for the real-time detection of concrete cracks and offers insights for leveraging edge computing technology in other real-time image analysis applications.

Diese Arbeit untersucht Echtzeit-Erkennungs- und Analysetechniken für Risse in Betonoberflächen unter Verwendung von Edge-Computing. Mit dem Alter der Infrastruktur wird die rechtzeitige und genaue Erkennung von Rissen in Betonoberflächen entscheidend, um die strukturelle Integrität zu erhalten und die Lebensdauer zu verlängern. Traditionelle Risserkennungsverfahren stützen sich häufig auf manuelle Inspektionen oder zentralisierte Cloud-Computing-Lösungen, die beide unter Ineffizienzen und Verzögerungen bei der Reaktionszeit leiden. Um diese Einschränkungen zu überwinden, wird in dieser Arbeit ein neuartiges Risserkennungssystem basierend auf der Jetson Nano-Plattform vorgestellt. Das System nutzt den fortschrittlichen YOLOv8 semantischen Segmentierungsalgorithmus zur Echtzeit-Identifizierung und Analyse von Rissen. Ein hochauflösendes Kameramodul erfasst Oberflächenbilder, und die Daten des Systems werden über eine Benutzeroberfläche oder einen Terminalausgang präsentiert, was eine Fernüberwachung und rechtzeitige Beobachtung durch zuständiges Personal ermöglicht. Dieser Ansatz macht den Einsatz eines aktiven Buzzers und eines dreifarbigen Alarmleuchtmoduls überflüssig, vereinfacht den Prozess und erleichtert die effiziente Fernüberwachung. Darüber hinaus kann das System aufgrund der leichten und flexiblen Eigenschaften des Jetson Nano auf Drohnen, Robotern und anderen intelligenten Geräten eingesetzt werden, um eine Echtzeit-Erkennung und Bewertung von Rissen in Betonoberflächen mit Aufsicht durch Personal zu gewährleisten. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene System im Vergleich zu herkömmlichen Methoden schnellere Erkennungszeiten und höhere Genauigkeit bietet, was das große Potenzial des Edge-Computing für die Echtzeitüberwachung der strukturellen Gesundheit unterstreicht. Diese Studie liefert eine effektive technische Lösung für die Echtzeit-Risserkennung von Beton und bietet wertvolle Einblicke in die Nutzung von Edge-Computing-Technologie für andere Echtzeit-Bildanalyseanwendungen.