GIẢI PHÁP THỊ GIÁC MÁY TÍNH TRONG PHÂN TÍCH ĐẶC TÍNH CẤU TRÚC VÀ VẾT NỨT BÊ TÔNG

Abstract

Luận văn nghiên cứu hai bài toán thị giác máy tính hỗ trợ đánh giá và giám sát kết cấu bê tông thông qua hai trụ cột độc lập. Trụ cột thứ nhất phân tích vi cấu trúc bê tông nhẹ từ tám ảnh RGB (6024×4022 pixel) thu nhận trên cùng một mẫu trụ. Một ảnh đại diện được phân tích toàn cục và trên lưới 4×4 (16 vùng quan tâm) để khảo sát biến thiên không gian. Sau khi loại trừ vùng ngoài mẫu bằng Mỏ neo sắc độ động, Multi-level Otsu và K-means (k = 3) được áp dụng trên cùng mặt nạ tham chiếu, kênh độ sáng V và phép hậu xử lý hình thái học. So với tỷ lệ thực tế (15,28% lỗ khí, 57,72% ma trận xi măng, 27,00% hạt EPS), hai phương pháp đều đạt MAE ba pha 0,9250 điểm phần trăm. K-means đạt RMSE 1,0158 điểm phần trăm, thấp hơn mức 1,0926 của Multi-level Otsu, nhưng phương pháp Otsu xử lý nhanh hơn 10,92 lần (0,2721±0,0171 giây). Các kết quả này giới hạn ở tỷ lệ diện tích 2D, không quy đổi thành độ rỗng thể tích 3D. Trụ cột thứ hai phân loại ba trạng thái bề mặt bê tông (không nứt, nứt đơn, nứt đa nhánh) trên tập CICS. Quá trình kiểm tra tính toàn vẹn bằng SHA-256 và loại bỏ xung đột nhãn đã rút gọn tập dữ liệu từ 12.000 xuống 5.808 ảnh. Phân hoạch similarity-grouped 5-fold cố định được thiết lập cho ResNet50, EfficientNet-B0, ViT-B/16 và MobileNetV3-Large. Độ chính xác trung bình dao động từ 98,40% đến 98,66%; trong đó EfficientNet-B0 đạt cao nhất (98,66±0,15%), còn MobileNetV3-Large dẫn đầu về macro F1 (97,82±0,26%). Trên 100 ảnh out-of-fold, Score-CAM đạt AEC trung bình cao nhất (57,09±24,61%), và Grad-CAM có Deletion AUC thấp nhất (0,279±0,208). Lượng tử hóa động MobileNetV3- Large giúp giảm 21,71% dung lượng state_dict (còn 12,71 MB) và chỉ làm thay đổi 1 dự đoán. Đánh giá chuyển giao không tinh chỉnh trên CCIC và SDNET2018 cho độ chính xác giảm xuống mức 56–68%, cho thấy độ lệch miền là giới hạn nổi bật hơn so với lượng tử hóa. Hai trụ cột trên được tích hợp ở quy trình hỗ trợ phân tích; không nhằm mục đích suy luận quan hệ nhân quả giữa vi cấu trúc và hình thái nứt. Từ khóa: Thị giác máy tính, Phân tích vi cấu trúc bê tông, Phân loại trạng thái nứt, Lượng tử hóa động, Trí tuệ nhân tạo giải thích được. This thesis investigates two computer vision problems to support the evaluation and monitoring of concrete structures through two independent pillars. The first pillar analyzes the microstructure of lightweight concrete using eight RGB images (6024 × 4022 pixels) acquired from the same cylindrical specimen. A representative image is analyzed globally and on a 4×4 grid (16 regions of interest) to examine spatial variation. After excluding the out-of-sample region using the Dynamic Chroma Anchor, Multi-level Otsu and K-means (k = 3) are applied on the same reference mask, the V (Value) channel, and morphological post-processing. Compared to the actual proportions (15.28% air voids, 57.72% cement matrix, 27.00% EPS beads), both methods achieve a three-phase MAE of 0.9250 percentage points. K-means yields an RMSE of 1.0158 percentage points, lower than the 1.0926 of Multi-level Otsu, but the Otsu method is 10.92 times faster (0.2721 ± 0.0171 seconds). These results are limited to 2D areal fractions and are not converted into 3D volumetric porosity. The second pillar classifies three concrete surface states (non-cracked, single crack, and multi-branched crack) on the CICS dataset. The integrity check using SHA-256 and the removal of label conflicts reduce the dataset from 12,000 to 5,808 images. A fixed similarity-grouped 5-fold partition is established for ResNet50, EfficientNet-B0, ViT-B/16, and MobileNetV3-Large. The mean accuracy ranges from 98.40% to 98.66%; wherein EfficientNet-B0 achieves the highest accuracy (98.66 ± 0.15%), and MobileNetV3-Large leads in macro F1 (97.82 ± 0.26%). On 100 out-of-fold images, Score-CAM attains the highest mean AEC (57.09 ± 24.61%), and Grad-CAM exhibits the lowest Deletion AUC (0.279±0.208). Dynamic quantization of MobileNetV3-Large reduces the state_dict size by 21.71% (to 12.71 MB) and alters only 1 prediction. Transfer evaluation without finetuning on CCIC and SDNET2018 reveals an accuracy drop to 56–68%, demonstrating that domain shift is a more prominent limitation than quantization. These two pillars are integrated at the analytical support workflow level; they are not intended to infer causal relationships between microstructure and crack morphology. Keywords: Computer Vision, Concrete Microstructure Analysis, Crack State Classification, Dynamic Quantization, Explainable AI.