تشخیص ترک بتن با استفاده از یادگیری انتقال و ارزیابی مشخصات ترک با استفاده از روش های اندازه گیری سنتی

پژوهش حاضر با هدف توسعه یک روش نوین در تشخیص و ارزیابی کمی ترک های سطح بتن به ارتقای سیستم های پایش سلامت سازه های عمرانی می پردازد. در این راستا چهار مدل عمیق از پیش آموزش دیده ۱-AlexNet، VGG-۱۸، ResNet و ۱۶۱-DenseNet با بهره گیری از یادگیری انتقالی بر روی مجموعه داده ای متشکل از ۴۹ تصویر با وضوح بالا از سطوح بتنی تنظیم و ارزیابی شدند. الگوریتم AlexNet با دقت ۸۵.۷۱ در طبقه بندی دوگانه ترک، بالاترین عملکرد را در بین مدل های بررسی شده نشان داد. در گام تکمیلی یک روش محاسباتی مبتنی بر پایتون برای تخمین عرض و طول ترک های بخش بندی شده ارائه گردید که امکان سنجش عینی شدت آسیب را فراهم می آورد. چارچوب ترکیبی پیشنهادی که تشخیص خودکار ترک را با تحلیل ابعادی آن تلفیق می کند، می تواند به عنوان ابزاری موثر در تشخیص به موقع آسیب ها و برنامه ریزی نگهداری پیشگیرانه در کاربردهای مهندسی سازه مورد استفاده قرار گیرد.

کلیدواژه ها:

تشخیص ترک بتن ، تخمین عرض ترک ، اندازه گیری طول ترک ، شبکه های عصبی کانولوشن ، پایش سلامت سازه