مرور کاربرد هوش مصنوعی در تشخیص خودکار آسیبهای سطحی سازه های بتنی پیشرفتها و چالشها (۲۰۲۰-۲۰۲۵)

پایش سلامت سازه های بتنی به روشهای متداول عمدتا متکی بر بازرسیهای چشمی و آزمونهای غیر مخرب نظیر آزمایش فراصوت و آزمون انعکاس ضربه است. این روشها علاوه بر زمانبر و پرهزینه بودن به میزان قابل توجهی به تجربه و مهارت بازرسان وابسته است. همچنین، محدودیت دسترسی به برخی نقاط سازه چالشهای عمده ای در اجرای این روشها ایجاد میکند. در سالهای اخیر بهره گیری از فناوریهای نوین هوش مصنوعی از جمله یادگیری عمیق و شبکههای عصبی مصنوعی به منظور شناسایی خودکار آسیبهای سطحی بتن مبتنی بر تصویر برداری پهپادی، توجه پژوهشگران را به خود جلب کرده است. این مقاله به بررسی نظام منظم پژوهشهای منتشر شده بین سالهای ۲۰۲۰ تا ۲۰۲۵ در حوزه ی تشخیص و طبقه بندی خودکار ترکها در سازه های بتنی با استفاده از هوش مصنوعی میپردازد. در ابتدا کیفیت و تنوع دادههای مورد استفاده، روشهای برچسب گذاری و رویکردهای تقویت داده در مطالعات منتخب مرور میشود. سپس معماریهای مختلف شبکه های یادگیری عمیق که برای تشخص ترک به کار رفته اند، معرفی میشوند. در نهایت چالشهای عملیاتی سازی این سامانه ها در شرایط میدانی و موانع پژوهشی پیش رو مورد بررسی قرار خواهد گرفت.

کلیدواژه ها:

پایش سلامت سازهها ، سازه های بتنی ، هوش مصنوعی ، یادگیری عمیق ، شناسایی خودکار ترک