یک روش هوشمند برای طبقه بندی ترک در سازه های بتنی بر اساس شبکه های عصبی عمیق
شناسایی و بررسی انواع ترکها در سازه های بتنی یکی از موضوعات چالش برانگیز در حوزه مهندسی به شمار میرود. تشخیص چندشاخگی در ترک به دلیل اینکه موجب شناسایی سطوح شدت بالا در سازه های بتنی میشود، از اهمیت بسزایی برخوردار است. در این مقاله یک معماری جدید بر مبنای شبکه های عصبی کانولوشنی برای طبقه بندی ترک در سازه های بتنی ارایه گردید. معماری پیشنهادی در زمان کمتر و صحت بالاتر نسبت به سایر معماری های مرسوم و معتبر در یادگیری عمیق، چندشاخگی در ترک را شناسایی و طبقه بندی کرد. در این مقاله ترکهای موجود در 12000 تصویر سازه های بتنی توسط الگوریتم پیشنهادی بررسی شدند که در نتیجه این تصاویر با صحت 99/3 درصد در دسته های تصاویر بدون ترک، تصاویر دارای ترک ساده و تصاویر دارای چندشاخگی در ترک طبقه بندی شدند. همچنین تحلیل ماتریس درهمریختگی نشان از دقت 99/3 درصد و فراخوانی99/5 درصد داشت که تاییدی بر عملکرد مناسب الگوریتم پیشنهادی بود. آنالیز حساسیت الگوریتم پیشنهادی نیز الزام وجود تناسب میان تعداد داده، تعداد نورونهای لایه تماما متصل، زمان اجرا و درصد صحت مورد انتظار با توجه به کابرد مساله را نشان داد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.