تحلیل اثر زیر ساختار و رفتار مکانیکی مصالح پایدار و یادگیری عمیق تصویری

در سال های اخیر، توسعه ی مصالح پایدار به عنوان یکی از راهکارهای اصلی کاهش اثرات زیست محیطی در مهندسی عمران و مواد مورد توجه قرار گرفته است. رفتار مکانیکی این مصالح به شدت تحت تاثیر زیرساختار (میکروساختار) آن ها قرار دارد. پیشرفت های اخیر در حوزه ی یادگیری عمیق تصویری، امکان استخراج خودکار ویژگی های پیچیده ی زیرساختاری از تصاویر میکروسکوپی و برقراری ارتباط آن ها با خواص مکانیکی را فراهم کرده است. زیرساختار مصالح پایدار، شامل توزیع فازها، تخلخل، اندازه و شکل ذرات و نحوه ی اتصال آن ها، نقش تعیین کننده ای در مقاومت، سختی و رفتار شکست این مصالح ایفا می کند. منجر به تغییرات قابل توجهی در پاسخ مکانیکی ماده شود. بنابراین، تحلیل دقیق زیرساختار برای پیش بینی عملکرد مکانیکی مصالح پایدار امری ضروری استافزایش نگرانی های زیست محیطی و ضرورت کاهش مصرف منابع طبیعی، استفاده از مصالح پایدار را به یکی از اولویت های اصلی مهندسی تبدیل کرده است. با این حال، ناهمگنی و پیچیدگی زیرساختار این مصالح، پیش بینی رفتار مکانیکی آن ها را با روش های کلاسیک دشوار ساخته است. بهره گیری از یادگیری عمیق تصویری می تواند با تحلیل مستقیم تصاویر زیرساختاری، درک دقیق تری از تاثیر ساختار داخلی بر عملکرد مکانیکی این مصالح ارائه دهد