دوره 23، شماره 5 - ( 1402 )                   جلد 23 شماره 5 صفحات 34-21 | برگشت به فهرست نسخه ها

‎ 10.22034/23.5.2

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Seifollahi M, Abbasi S, Fahimi Farzam M, Daneshfaraz R. Crack Detection in Concrete Structures Using Convolutional Neural Network. MCEJ 2023; 23 (5) :21-34
URL: http://mcej.modares.ac.ir/article-16-54192-fa.html
سیف‌الهی مهران، عباسی سلیم، فهیمی فرزام مازیار، دانشفراز رسول. تشخیص ترک در سازه‌های بتنی با کاربرد شبکه عصبی کانولوشن. مهندسی عمران مدرس. 1402; 23 (5) :21-34

URL: http://mcej.modares.ac.ir/article-16-54192-fa.html

تشخیص ترک در سازه‌های بتنی با کاربرد شبکه عصبی کانولوشن
مهران سیف‌الهی1 ، سلیم عباسی2 ، مازیار فهیمی فرزام* 3، رسول دانشفراز4
1- - کارشناسی ارشد عمران-سازه‌های هیدرولیکی، دانشگاه تبریز، تبریز
2- کارشناسی ارشد عمران-سازه‌های هیدرولیکی، دانشگاه محقق اردبیلی، اردبیل
3- گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران ، m.farzam@maragheh.ac.ir
4- استاد بخش مهندسی عمران-سازه‌های هیدرولیکی، دانشگاه مراغه، مراغه
چکیده:   (1921 مشاهده)
 یکی از زمینه‌های فعال تحقیقاتی در بحث پایش‌ سلامت ‌سازه‌های بتنی تشخیص رخداد ترک در المان‌های سازه‌ای 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 آن‌ها به سهولت صورت می‌گیرد، که این تشخیص توسط شبکه عصبی کانولوشن(CNN) انجام می‌شود. 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 40.000 تصویر که، 20.000 تصویر بتن ترک­خورده و 20.000 بتن ترک­‌نخورده با ابعاد  3×227×227 پیکسل می‌باشد، 80 درصد تصاویر برای آموزش و 20 درصد باقیمانده برای صحت‌سنجی روش شبکه عصبی کانولوشن استفاده می‌شوند. دقت تشخیص بتن ترک‌ خورده از ترک‌ نخورده در حدود 16/98 درصد می‌باشد، که برای عملیاتی ‌شدن قابل قبول است و کاربردی محسوب می‌شود. همچنین طبق تحلیل ماتریس درهم‌ریختگی تعداد 147 تصویر از 8.000 تصویر داده­های صحت­سنجی به صورت اشتباه دسته‌بندی شده‌اند.
واژه‌های کلیدی: ترک در بتن، شبکه عصبی کانولوشن، پایش سلامت سازه، واحد پردازش گرافیکی
متن کامل [PDF 1789 kb]   (319 دریافت)    
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: مهندسی عمران و سازه
دریافت: 1400/4/28 | پذیرش: 1400/12/15 | انتشار: 1401/3/10
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.