Samenvatting

Automatische detectie en segmentatie van scheuren is al jaren een actief onderzoeksveld, mede door de vele voordelen zoals het tijdig detecteren van structurele schade aan gebouwen zonder dat handmatige inspectie nodig is. Traditioneel gezien werden beeldverwerkings technieken hiervoor gebruikt, maar in de afgelopen jaren is het duidelijk geworden dat neurale netwerken hiervoor geschikter zijn. Het nadeel van deze aanpak is dat neurale netwerken afhankelijk zijn van veel data van hoge kwaliteit om modellen te trainen. Het verzamelen van deze data kost veel tijd, geld en is inconsistent doordat het handmatig geannoteerd moet worden. Dit geldt in het bijzonder voor taken zoals scheur segmentatie in metselwerk, aangezien deze complexer zijn dan scheur segmentatie in beton.