تشخیص ترک در سازههای بتنی با کاربرد شبکه عصبی کانولوشن | ||
| مهندسی عمران مدرس | ||
| Article 2, Volume 23, Issue 5, 1402, Pages 21-34 PDF (1.75 M) | ||
| Document Type: پژوهشی اصیل (کامل) | ||
| DOI: 10.22034/23.5.2 | ||
| Authors | ||
| مهران سیفالهی1; سلیم عباسی2; مازیار فهیمی فرزام* 3; رسول دانشفراز4 | ||
| 1- کارشناسی ارشد عمران-سازههای هیدرولیکی، دانشگاه تبریز، تبریز | ||
| 2کارشناسی ارشد عمران-سازههای هیدرولیکی، دانشگاه محقق اردبیلی، اردبیل | ||
| 3گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران | ||
| 4استاد بخش مهندسی عمران-سازههای هیدرولیکی، دانشگاه مراغه، مراغه | ||
| Abstract | ||
| یکی از زمینههای فعال تحقیقاتی در بحث پایش سلامت سازههای بتنی تشخیص رخداد ترک در المانهای سازهای است. طبقهبندی و تشخیص فنی براساس تصویر، روشی است که امروزه مورد توجه بسیاری از محققین قرار گرفته است. انجام روش مبتنی بر تصویر به دلیل پیشرفت فناوری تصویربرداری و پردازش سریع آنها به سهولت صورت میگیرد، که این تشخیص توسط شبکه عصبی کانولوشن(CNN) انجام میشود. در این تحقیق تشخیص ترک در سازههای بتنی با استفاده از شبکه عصبی کانولوشنی مطالعه شده است. مطالعه حاضر قابل تعمیم به تمام سازههای بتنی برای نمونه سد، کانال، پلها، پوستهها، زیرسازیهای راهها و اسکلتهای بتنی میباشد. بانک اطلاعاتی این پژوهش شامل 40.000 تصویر که، 20.000 تصویر بتن ترکخورده و 20.000 بتن ترکنخورده با ابعاد 3×227×227 پیکسل میباشد، 80 درصد تصاویر برای آموزش و 20 درصد باقیمانده برای صحتسنجی روش شبکه عصبی کانولوشن استفاده میشوند. دقت تشخیص بتن ترک خورده از ترک نخورده در حدود 16/98 درصد میباشد، که برای عملیاتی شدن قابل قبول است و کاربردی محسوب میشود. همچنین طبق تحلیل ماتریس درهمریختگی تعداد 147 تصویر از 8.000 تصویر دادههای صحتسنجی به صورت اشتباه دستهبندی شدهاند. | ||
| Keywords | ||
| ترک در بتن; شبکه عصبی کانولوشن; پایش سلامت سازه; واحد پردازش گرافیکی | ||
| References | ||
|
| ||
|
Statistics Article View: 278 PDF Download: 163 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,431,348 |
| PDF Download | 17,549,905 |