Znanstveni članek
Integrirana metodologija strojnega učenja za analizo slik betonskih razpok
Integrated machine learning methodology for concrete crack image analysis
Avtor(ji):
Luka Gradišar, Matevž Dolenc
Ključne besede:
razvrščanje v gruče, prepoznava razpok v betonu, podatkovno rudarjenje, analiza slik, učenje s prenosom znanja,
nenadzorovano učenje
UDK:
004.05:620.1/.2:691.32
Povzetek:
V zadnjih letih se intenzivno raziskuje odkrivanje razpok v betonskih konstrukcijah s pomočjo strojnega učenja, natančneje z
uporabo globokih nevronskih konvolucijskih mrež. Kljub uporabnosti teh metod je njihova klasifikacija omejena na stanje betona
- razpokan ali nerazpokan - medtem ko se redko upoštevajo druge pomembne značilnosti betona, kot so velikost razpok ali
različni šumi, ki so prisotni na slikah. V tem članku je opisana integrirana metodologija strojnega učenja za analizo slik razpok
v betonu, ki temelji na učenju s prenosom znanja in na nenadzorovanem učenju, ki ne potrebuje podatkov za učenje. Metoda
izloča značilnosti slik s pomočjo predhodno naučenih nevronskih mrež in jih na podlagi podobnosti razvršča v gruče z uporabo
hierarhičnega razvrščanja. Rezultati združevanja v gruče kažejo, da je mogoče slike razdeliti v različne gruče glede na njihove
značilnosti, na primer kot so hrapavost površine, vidnost robov, stanje razpokanosti betona, prisotnost različnih predmetov in
ostalih šumov. Preizkus te metodologije je pokazal, da je nenadzorovano učenje koristno za analizo slik betonskih razpok, in sicer
za razlikovanje med šumnimi slikami in določanjem resnosti razpok. Pridobljene informacije lahko tudi v prihodnje uporabimo
za razvoj natančnejših napovednih modelov trajnosti betona oziroma betonskih konstrukcij.
