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.