我國台灣本島位於歐亞板塊和菲律賓板塊的交接擠壓處，同時位於亞熱帶氣候區常年為我國帶來豐沛的雨量，但此種地理環境卻造成每年遭受自然災害的侵襲，使得經濟中樞的橋梁每年的維修費用龐大；而影像資訊在我們生活中越來越普及，為了解決傳統人工檢測橋梁過於主觀的缺點和減少時間成本的開銷，本論文利用多維矩形類神經網路及最佳化演算法開發訓練一套裂縫影像辨識軟體用於橋梁檢測工作。
影響辨識技術準確率的主要因素為原始影像的取得方法及辨識前的處理步驟，本篇論文在影像取得前先統一拍攝條件限制，接著以手持數位相機前往橋梁劣化構件部份拍攝裂縫影像供此程式訓練，但一般在進行影像判識之前，需對其作影像處理才能使機器迅速有效率的使用這些影像，本論文的影像處理包含以下步驟：灰階化(Grayscale)，高通濾波(high-pass)，二值化，labeling去除雜點，Local Directional Pattern運算強化裂縫邊緣；最後挑選出36張適合的訓練樣本，利用類神經網路進行準確率的訓練，根據所得之訓練結果有至少81%的準確率，並以此程式用於八八風災過後受損橋梁裂縫辨識，其準確率有89%，以本論文所發展之裂縫判識程式可以有效地判斷出受損橋梁，減少傳統上人為因素的判斷誤差以及可以大幅減少判識時間和成本。

Deterioration inspection for bridges has been performed for years in Taiwan. The current inspection method that heavily depends on human recognition so called Degree, Extend, Relevancy, and Urgency (DERU) method is time-consuming and subjective. The research objective is to develop a crack recognition model that adopts Self Organizing Map Optimization (SOMO) integrating with image process technique. The image data collection is based on the bridge current status from the database of Taiwan Bridge Management System (TBMS), which provides detailed DERU status for bridges and leads the investigators to take samples from deteriorated bridges with DERU > 2. A total of randomly selected 216 samples of bridge cracks is collected. 40 out of 216 samples are utilized and set as training and testing datasets. The image process takes four major steps: grayscale, high-pass filter, labeling, and local directional pattern. The recognition results present high accuracy rates of 90.4% for crack recognition and 92.5% for non-crack recognition. The model demonstrates the feasibility and high-accurate recognition for crack inspection in bridge management.

高速公路總局(2011). 橋梁檢測項目及注意事項
古志鵬 (2007). 影像處理應用於雷射標印系統之研究. 機電工程學系. 國立彰化師範大學. 碩士.
江中熈 (2005). 彩色影像浮水印技術之研究. 國防科學研究所.國防大學中正理工學院. 博士
呂維哲 (2002). 模糊類神經網路為架構之遙測影像分類器設計. 資訊工程研究所.國立中央大學. 碩士
李有豐 (2002). 建立橋梁檢測制度方法及準則之研究（公路與道路橋梁）. 國立台北科技大學.
李天翔 (2009). 以影像辨識為基礎之停車場車位管理之研究. 資訊工程學系(所). 大同大學. 碩士
李樹璇 (2012). 應用RGB影像處理模式於辨識地理環境變異之研究. 營建管理研究所. 國立中央大學. 碩士
李穎亮 (2012). 影像處理技術於混凝土結構裂縫自動化偵測. 土木與工程管理學系碩士班. 國立金門大學. 碩士
周文祺 (2010). 指紋分類器之研究. 資訊工程研究所. 國立中央大學. 碩士
林文賜、周天穎、林昭遠 (2001). 應用監督性類神經網路於衛星影像分類技術之探討. 航測及遙測學刊. Vol.6 No.1 page41-58
林育瑞 (2002). 利用類神經網路構建機車車流模式之研究. 交通管理學系碩博士班. 國立成功大學. 碩士
邱文怡 (2002). 應用影像處理與基因演算法於視覺密碼學之研究. 資訊科學研究所. 國立中興大學. 碩士
邱垂汶 (2004). 使用視覺高頻增強濾波器之高品質超解析度影像與視訊研究. 電機工程系碩士班. 雲林縣, 碩士
張靜貞 (2007). 防洪工程之成本效益與風險評估-以基隆河流域整治計畫為例. 台灣經濟預測與政策,37,2,page111-137. TSSCI
張耀文 (2004). 高屏溪斜張橋劣化評估系統之建立. 營建管理碩士班. 國立雲林科技大學. 碩士
孫延麒 (2008). 高通濾波器量測大氣能見度指標之研究. 網路與通訊研究所.朝陽科技大學. 碩士
徐德成 (2012). 基於特徵影像能量分布之浮水印移除法研究. 資訊工程學系研究所. 國立中山大學. 博士
張任烜 (2002). 有效的材質合成與影像轉移技術之研究. 資訊科學研究所. 國立中興大學. 碩士
張修誠 (2009). 層級分析法應用於現存橋梁維修優選排列. 營建工程系碩士班., 雲林科技大學. 碩士
許博承 (2000). 二維區塊適應濾波器演算法及其影像處理的應用. 電機工程研究所.大同大學. 碩士
許朝昇 (2011). 數位相機閃光燈透鏡之照度均勻化的結構設計. 機械工程研究所碩士在職專班.國立中央大學. 碩士
陳世植 (2012). 以邊緣偵測為基礎之影像分割技術於汙水管線缺失形態萃取. 土木與工程管理學系碩士班. 金門縣, 國立金門大學. 碩士.
陳昭宇 (2005). 根基於自我組織特徵映射圖為基礎之最佳化演算法之推薦系統. 資訊工程研究所. 國立中央大學. 碩士
陳正倫 (2009). 類神經網路應用於語音情緒的分析與辨識. 資訊工程研究所. 國立中央大學. 碩士
黃得原 (2010). 適應性模糊化類神經網路及其應用. 資訊工程研究所. 國立中央大學. 博士
黃凱易 (2009). 逐層分割群聚法及反覆移動均值群聚法於地覆非監督式分類之比較. 航測及遙測學刊. Vol.5 No.3 page43-55
黃宣菁 (1997). 臺灣地區公路橋梁管理系統架構之研究. 國立中央大學土木工程學系. 碩士
彭國瑞 (2001). 智慧型影像處理於鋼構橋樑表面塗裝檢測之應用. 土木工程系. 國立交通大學. 碩士
辜炳寰 (2002). 類神經網路於土壤液化評估之應用. 土木工程學系碩博士班. 國立成功大學. 碩士
楊景欽 (2002). 類神經網路運用於型材矯直之研究. 機械工程學系. 台中市, 國立中興大學. 碩士
廖先格 (2005). 橋梁目視檢測自動化系統之研究. 營建管理研究所., 國立中央大學. 碩士
趙于翔 (2007). 以群體智慧為基礎的最佳化演算法及其應用. 資訊工程研究所. 桃園縣, 國立中央大學. 博士廖先格 (2005). 橋梁目視檢測自動化系統之研究. 營建管理研究所., 國立中央大學. 碩士
趙于翔 (2007). 以群體智慧為基礎的最佳化演算法及其應用. 資訊工程研究所. 桃園縣, 國立中央大學. 博士
劉名昱 (1995). 混凝土之裂縫. 水利, 第五期 第131-136頁
鄧宜珍 (2002). 遙測影像處理與地貌辨識. 資訊工程研究所., 國立中央大學. 碩士
鄭心惠 (2002). 遙測影像空間品質之評估. 測量工程學系. 國立成功大學. 碩士
鐘啟聞 (2002). 應用類神經網路與自然頻率於結構物之損壞預測. 造船及船舶機械工程學系. 國立成功大學. 碩士