شناسایی ترکهای بتن با بهره گیری از شبکه عصبی کانولوشن و الگوریتم بهینه سازی مبتنی بر کرم شب تاب

در این مقاله یک روش نوین برای شناسایی ترکهای بتن با استفاده از شبکه عصبی کانولوشن (CNN) ارائه شده است. هدف اصلی طراحی یک معماری بهینه CNN است که در آن پارامترهای کلیدی شبکه شامل ابعاد فیلترها و تعداد فیلترها با بهره گیری از الگوریتم بهینه سازی کرم شب تاب بهینه می شوند. در این روش ابتدا تصاویر ترکهای بتن پیش پردازش شده و به شبکه وارد می شوند تا ویژگی های مهم استخراج شوند سپس الگوریتم کرم شب تاب با جستجوی هوشمندانه در فضای پارامترها بهترین ترکیب ابعاد و تعداد فیلترها را برای بیشینه سازی دقت شبکه پیدا می کند. نتایج شبیه سازی نشان می دهد که معماری بهینه شده CNN قادر به تشخیص ترکهای بتن با دقت بالا و توانایی تعمیم مناسب به نمونه های جدید است. علاوه بر این مقایسه با شبکه های CNN با پارامترهای دستی نشان می دهد که بهینه سازی پارامترها توسط الگوریتم کرم شب تاب موجب افزایش قابل توجه دقت و کاهش خطای شناسایی می شود. این روش می تواند به عنوان ابزاری موثر در سیستم های بازرسی خودکار سازه های بتنی و نظارت بر سلامت سازه ها به کار گرفته شود.

کلیدواژه ها:

شبکه عصبی کانولوشن ، شناسایی ترک ، بتن ، بهینه سازی کرم شب تاب ، معماری شبکه عصبی ، تشخیص تصویر