تشخیص ترک در سازه های بتنی با کاربرد شبکه عصبی کانولوشن

یکی از زمینه های فعال تحقیقاتی در بحث پایش سلامت سازه های بتنی تشخیص رخداد ترک در المان های سازه ای 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 آن ها به سهولت صورت می گیرد، که این تشخیص توسط شبکه عصبی کانولوشن(CNN) انجام می شود. 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 ۴۰.۰۰۰ تصویر که، ۲۰.۰۰۰ تصویر بتن ترک­خورده و ۲۰.۰۰۰ بتن ترک­ نخورده با ابعاد  ۳×۲۲۷×۲۲۷ پیکسل می باشد، ۸۰ درصد تصاویر برای آموزش و ۲۰ درصد باقیمانده برای صحت سنجی روش شبکه عصبی کانولوشن استفاده می شوند. دقت تشخیص بتن ترک خورده از ترک نخورده در حدود ۱۶/۹۸ درصد می باشد، که برای عملیاتی شدن قابل قبول است و کاربردی محسوب می شود. همچنین طبق تحلیل ماتریس درهم ریختگی تعداد ۱۴۷ تصویر از ۸.۰۰۰ تصویر داده­های صحت­سنجی به صورت اشتباه دسته بندی شده اند.

کلیدواژه ها:

Cracks in Concrete ، Convolutional Neural Network ، Structural Health Monitoring ، Graphics Processing Unit. ، ترک در بتن ، شبکه عصبی کانولوشن ، پایش سلامت سازه ، واحد پردازش گرافیکی