Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards MyNewsletter Firmensuche
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Sustainability in Automotive

Gesamtlebenszyklus wird immer wichtiger

In der Digitalkonferenz am 5. Dezember 2024 geht es um die wachsende Bedeutung der Kreislaufwirtschaft in der Automobilindustrie und wie nachhaltige Werkstoffe sowie wiederverwendbare Komponenten dazu beitragen können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

Image Quality Assessment for Construction E-inspection: A Case Study

verfasst von : Zhiming Dong, Weisheng Lu, Junjie Chen

Erschienen in: Proceedings of the 27th International Symposium on Advancement of Construction Management and Real Estate

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The E-inspection platform provides a non-physical onsite presence solution for inspectors. The supervision units can inspect the tasks by online submitted documents. The image is an essential data source on the E-inspection platform because it can provide rich and intuitive information for inspectors. However, if the quality of the submitted image is low, the uploader needs to re-upload the record for inspection, which reduces the efficiency. The image quality assessment (IQA) metric can assess image quality quantitatively. The application of the IQA metric in the E-inspection platform can help the inspection record uploader recognize the low-quality image before submission. In this research, different IQA metrics are selected and conducted in an actual E-inspection task to illustrate efficiency and effectiveness.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Insights into the Resource Utilization Behavior of Reclaimed Asphalt Pavement Based on Theory of Planned Behavior from Different Stakeholders’ Perspective
Nächstes Kapitel Housing Choice Willingness of Urban Residents: The Interaction of Tenure Choice, Space Choice, and Time Choice
Literatur
1.
C. Construction Industry Council, Reference materials—Use of digital technologies for QA/QC of MiC modules in MiC factories (2021)
2.
Lu, W., Wu, L., Xu, J., Lou, J.: Construction E-Inspection 2.0 in the COVID-19 Pandemic Era: a Blockchain-Based Technical Solution. J. Manage. Eng. 38(4), 04022032 (2022)CrossRef
3.
Martinez, P., Al-Hussein, M., Ahmad, R.: Intelligent vision-based online inspection system of screw-fastening operations in light-gauge steel frame manufacturing. Int. J. Adv. Manuf. Technol. 109(3–4), 645–657 (2020)CrossRef
4.
Zhang, H., Chi, S., Yang, J., Nepal, M., Moon, S.: Development of a safety inspection framework on construction sites using mobile computing. J. Manag. Eng. 33(3), 04016048 (2017)CrossRef
5.
Bae, J., Han, S.: Vision-based inspection approach using a projector-camera system for off-site quality control in modular construction: Experimental investigation on operational conditions. J. Comput. Civ. Eng. 35(5), 04021012 (2021)CrossRef
6.
Alaei, A.: A new document image quality assessment method based on hast derivations. In: 2019 International Conference on Document Analysis and Recognition (ICDAR), IEEE, pp. 1244–1249 (2019)
7.
Zhu, H., Li, L., Wu, J., Dong, W., Shi, G.: MetaIQA: deep meta-learning for no-reference image quality assessment. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 14143–14152 (2020)
8.
Su, S., et al.: Blindly assess image quality in the wild guided by a self-adaptive hyper network. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 3667–3676 (2020)
9.
Talebi, H., Milanfar, P.: NIMA: Neural image assessment. IEEE Trans. Image Process. 27(8), 3998–4011 (2018)CrossRef
10.
Evans, L.C.: Partial Differential Equations. American Mathematical Society, Providence, Rhode Island (2010)
11.
Murray, N., Marchesotti, L., Perronnin, F.: AVA: A large-scale database for aesthetic visual analysis. In: 2012 IEEE Conference on Computer Vision and Pattern Recognition, IEEE, pp. 2408–2415 (2012)
12.
Ponomarenko, N., et al.: Image database TID2013: peculiarities, results and perspectives. Signal Process.: Image Commun. 30, 57–77 (2015)
13.
Howard, A.G., et al.: Mobilenets: Efficient convolutional neural networks for mobile vision applications, arXiv preprint arXiv:​1704.​04861 (2017)
14.
Chow, L.S., Paramesran, R.: Review of medical image quality assessment. Biomed. Signal Process. Control 27, 145–154 (2016)CrossRef
15.
Lu, X., Lin, Z., Jin, H., Yang, J., Wang, J.Z.: Rating image aesthetics using deep learning. IEEE Trans. Multimedia 17(11), 2021–2034 (2015)CrossRef
16.
Oliphant, T.E.: A Guide to NumPy. Trelgol Publishing, USA (2006)
Metadaten
Titel
Image Quality Assessment for Construction E-inspection: A Case Study
verfasst von
Zhiming Dong
Weisheng Lu
Junjie Chen
Copyright-Jahr
2023
Verlag
Springer Nature Singapore
Buch
Proceedings of the 27th International Symposium on Advancement of Construction Management and Real Estate

Print ISBN: 978-981-9936-25-0

Electronic ISBN: 978-981-9936-26-7

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-981-99-3626-7_10