サポートベクターマシンによるコンクリート振動状態の画像認識とパラメータ解析
Summary
この論文で説明するプロトコルは、方向性勾配ヒストグラム技術を利用して、さまざまな振動状態下での具体的な画像サンプルの特性を抽出します。機械学習にサポートベクターマシンを採用することで、学習サンプルを最小限にとどめ、コンピュータ性能の要求が低い画像認識手法を実現しました。
Abstract
本論文では、指向性勾配ヒストグラム技術を用いて、異なる振動状態で撮影されたコンクリート画像サンプルの特徴を抽出します。サポートベクターマシン(SVM)は、画像の特徴と振動状態の関係を学習するために利用されます。その後、機械学習の結果を使用して、コンクリートの振動状態の実現可能性を評価します。同時に、方向勾配ヒストグラムの計算パラメータが認識精度に及ぼす影響メカニズムを解析する。この結果は、コンクリートの振動状態を特定するために、方向勾配ヒストグラム-SVM技術を使用することの実現可能性を示しています。認識精度は、最初は増加し、その後、方向勾配のブロック サイズ、または統計間隔の数が増えるにつれて減少します。認識精度も、二値化閾値の増加に伴って直線的に低下します。解像度1024ピクセル×1024ピクセルのサンプル画像を使用し、特徴抽出パラメータを最適化することで、100%の認識精度を達成することができます。
Introduction
コンクリートは、建設業界で広く使用されている基本的な建材です。ポンプ中、コンクリートは振動による圧縮を必要とする空隙を頻繁に発生させます。振動が不十分な場合、コンクリート表面が蜂の巣状になる可能性があり、過度の振動はコンクリートの偏析につながる可能性があります1,2。振動動作の質は、成形コンクリート構造物7,8の強度3,4,5,6および耐久性に大きく影響する。Caiら9,10は、実験的研究と数値解析を組み合わせた研究を行い、振動が骨材沈下とコンクリートの耐久性に及ぼす影響メカニズムを調査しました。その結果、振動時間と骨材粒子が骨材沈降に大きな影響を与える一方で、骨材密度とセメント系材料の塑性粘度の影響は最小限であることが明らかになりました。振動により、コンクリート試験片の底部に骨材が堆積します。さらに、振動時間が長くなると、塩化物イオン濃度はコンクリート試験片の下部で減少し、上部で有意に増加します9,10。
現在、コンクリートの振動状態の評価は、主に手作業による判断に頼っています。建設業界がインテリジェントな改革を通じて進歩し続けるにつれて、ロボット操作が将来の方向性として浮上しています11,12。したがって、インテリジェントな振動操作における重要な課題は、ロボットがコンクリートの振動状態を識別できるようにする方法です。
配向勾配のヒストグラムは、画素の強度勾配またはエッジ方向の分布を記述子として利用して、画像13,14におけるオブジェクトの表現および形状を特徴付ける技術である。このアプローチは、画像のローカルグリッドセルに作用し、さまざまな幾何学的および光学的条件下での画像変化の特性評価において堅牢な安定性を提供します。
Zhou et al.15 は、ベイヤーモード画像から指向性勾配特徴を直接抽出する方法を提案しました。このアプローチでは、カラーフィルター列をグラデーション演算子と一致させることにより、方向性グラデーションを計算する際の多くのステップが省略されるため、方向グラデーション画像認識の計算要件が大幅に削減されます。He et al.16 は、方向勾配ヒストグラムを基礎となる特徴として利用し、平均クラスタリング アルゴリズムを使用してレール ファスナーを分類し、ファスナーに欠陥があるかどうかを判断しました。認識の結果、配向勾配特徴のヒストグラムはファスナーの欠陥に対して高い感度を示し、鉄道の保守と修理のニーズを満たしていることが示されました。別の研究では、Xuら17 は、ガボールウェーブレットフィルタリングを使用して顔画像の特徴を前処理し、バイナリコーディングとHOGアルゴリズムを使用して特徴ベクトルの次元を縮小しました。この方法の平均認識精度は92.5%です。
サポートベクターマシン(SVM)18は、ベクトルを高次元空間にマッピングするために使用され、2つの平行な超平面間の距離を最大化するために適切な方向を有する分離超平面を確立する。これにより、サポートベクター19の分類が可能になる。学者たちはこの分類技術を改良・最適化し、画像認識20,21、テキスト分類22、信頼性予測23、故障診断24など、さまざまな分野への応用につながっている。
Li et al.25 は、3つの地震破壊モードに焦点を当てて、地震破壊パターン認識のための2段階SVMモデルを開発しました。解析結果は、提案された2段階SVM法が3つの故障モードで90%以上の精度を達成できることを示しています。Yang et al.26 は、最適化アルゴリズムをSVMに統合して、5つの超音波パラメータと荷重を受けたコンクリートの応力との関係をシミュレートしました。最適化されていないSVMのパフォーマンスは、特に低ストレスの段階では不十分です。ただし、アルゴリズムによって最適化されたモデルをトラバースすると、計算時間は長くなりますが、結果は改善されます。これに対し、粒子群最適化最適化SVMは、最適なシミュレーション結果を提供しながら、計算時間を大幅に短縮します。Yanら27 は、SVM技術を採用し、高強度コンクリートの弾性率を予測するために精度非感応損失関数を導入し、その予測精度を従来の回帰モデルやニューラルネットワークモデルと比較しました。研究結果は、SVM技術が他の方法と比較して弾性率の予測誤差を小さくすることを示しました。
本稿では、様々な振動状態におけるコンクリートの画像サンプルを収集し、方向勾配ヒストグラム法を用いてコンクリートの異なる状態を記述する。SVMを学習するための特徴ベクトルとして方向性勾配が採用され、本研究では、方向性勾配ヒストグラム-SVM技術を使用してコンクリートの振動状態を特定することの実行可能性に焦点を当てています。さらに、方向性勾配ヒストグラムの特徴抽出プロセスとSVMの認識精度における3つの主要パラメータ(二値化閾値、方向勾配統計ブロックサイズ、方向勾配統計間隔数)の影響メカニズムを解析します。
Protocol
Representative Results
Discussion
本稿では、サポートベクターマシン(SVM)を用いて、様々なコンクリート振動状態サンプルの画像特徴を学習する。機械学習の成果をもとに、画像認識に基づく具体的な振動状態認識手法を提案する。認識精度を高めるには、画像セグメンテーション、画像の二値化、方向勾配固有値抽出の3つの重要なステップのパラメータを制御することが重要です。試験結果によれば、より小さな二値化閾?…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
この作業に資金を提供してくれた武漢都市建設グループ2023年次科学研究プロジェクト(NO.7)に感謝します。
Materials
| camera | SONY | A6000 | The sensor size is 23.5×15.6mm, the maximum acquisition resolution is 1440 * 1080, and the effective pixel is 24.3 million. |
| concrete | Wuhan Construction Changxin Technology Development Co., Ltd. | C30 pumping concrete | According to the standard of ' concrete strength test and evaluation standard ' ( GB / T 50107-2010 ), the standard value of cubic compressive strength is 30 MPa pumping concrete. |
| Matlab | MathWorks | Matlab R2017a | MATLAB's programming interface provides development tools for improving code quality maintainability and maximizing performance. It provides tools for building applications using custom graphical interfaces. It provides tools for combining MATLAB-based algorithms with external applications and languages |
| Processor | Intel | 12th Gen Intel(R) Core (TM) i7-12700H @ 2.30GHz | 64-bit Win11 processor |
Referenzen
- Jiang, L., Tian, Z., Wang, K., Sun, X. Estimating the segregation of concrete under vibration based on electrical method. Concrete. 1, 41-44 (2023).
- Ren, B., Ye, Z., Wang, D., Wu, B., Tan, Y. Evaluation of segregation degree of hardening concrete using improved Mask R-CNN. Journal of Hydroelectric Engineering. 41 (5), 93-102 (2022).
- Hu, J., Qin, M., Wang, H., Liu, K. Study on the influence of vibration frequency on the performance of concrete. Highway. 65 (12), 111-114 (2020).
- Bian, C., et al. Experimental study on characterization of evaluation indexes for vibration compaction of fresh concrete. Journal of Hydroelectric Engineering. 39 (2), 67-80 (2020).
- Liu, Z., Zhou, M., Bai, J., Mou, S. Influence of vibration time on the strength and homogeneity of rubber concrete. Industrial Construction. 42, 509-512 (2012).
- Cheng, Y., Gou, Z., Wang, Y. Testing Investigation on Effects of Mixing, Vibrating and Curing on Strength of High-Performance Concrete. Journal of Northeastern University (Natural Science). 31 (12), 1790-1793 (2010).
- Zhao, Y., Chen, S., Liu, Z. Influence mechanism of high-frequency vibration on concrete antifreeze and application in construction of tunnels in cold regions. Industrial Construction. 44 (5), 101-105 (2014).
- Quan, L., Tian, B., Li, S., He, Z., He, K. Evolution characteristics of flexural fatigue performance of dense concrete consolidated with high frequency vibration applied in airport pavement. Journal of Traffic and Transportation Engineering. 20 (2), 34-45 (2020).
- Cai, Y., et al. Influence of coarse aggregate settlement induced by vibration on long-term chloride transport in concrete: a numerical study. Materials and Structures. 55 (9), 1-18 (2022).
- Cai, Y., Liu, Q. F., Yu, L., Meng, Z., Avija, B. An experimental and numerical investigation of coarse aggregate settlement in fresh concrete under vibration. Cement and Concrete Composites. 122 (7), 104153 (2021).
- Wang, X., et al. Development and application of concrete vibrating robot system for high arch dam. Journal of Hydraulic Engineering. 53 (6), 631-654 (2022).
- Chen, C., Li, X., Qiu, Z., Yao, W., Zhu, H. Research Progress of Construction Robots. Journal of Architecture and Civil Engineering. 39 (4), 58-70 (2022).
- Shen, H., Zhang, W., Liu, J., Qiu, K. Development and Prospect of Construction Robots for High Rise Buildings. Construction Technology. 46 (8), 105-108 (2017).
- Dalal, N., Triggs, B. Histograms of Oriented Gradients for Human Detection. IEEE Computer Society Conference on Computer Vision & Pattern Recognition. , (2005).
- Zhou, W., et al. Gradient-based Feature Extraction From Raw Bayer Pattern Images. IEEE Transactions on Image Processing. (99), 1 (2021).
- He, B., et al. Railway Fastener Defects Detection under Various Illumination Conditions using Fuzzy C-Means Part Model. Transportation Research Record. 2675 (4), 271-280 (2021).
- Xu, X., Quan, C., Ren, F. Facial expression recognition based on Gabor Wavelet transform and Histogram of Oriented Gradients. IEEE International Conference on Mechatronics & Automation. , (2015).
- Cortes, C., Vapnik, V. N. Support Vector Networks. Machine Learning. 20 (3), 273-297 (1995).
- Burges, C. A Tutorial on Support Vector Machines for Pattern Recognition. Data Mining and Knowledge Discovery. 2 (2), 121-167 (1998).
- Yang, C., et al. Identification of Pleurotus Ostreatus From Different Producing Areas Based on Mid-Infrared Spectroscopy and Machine Learning. Spectroscopy and Spectral Analysis. 43 (2), 577-582 (2023).
- Chaabane, S. B., et al. Face recognition based on statistical features and SVM classifier). Multimedia Tools and Applications. 81 (6), 8767-8784 (2022).
- Saleh, M. R., et al. Experiments with SVM to classify opinions in different domains. Expert Systems with Applications. 38 (12), 14799-14804 (2011).
- Zhang, Y., Liu, Y., Wang, J. Reliability Prediction of Coal Mine Water Disasters Emergency Rescue System Based on Improved SVM. Journal of Zhengzhou University (Engineering Science). 36 (3), 115-119 (2015).
- Cao, Y., Song, D., Hu, X., Sun, Y. Fault Diagnosis of Railway Point Machine Based on Improved Time-Domain Multiscale Dispersion Entropy and Support Vector Machine. Acta Electronica Sinica. 51 (1), 117-127 (2023).
- Li, Q., Yuze, C., Yu, B., Ning, C. Two-stage support vector machine method for failure mode classification of reinforced concrete columns. Engineering Mechanics. 39 (2), 148-158 (2022).
- Yang, Y., Zhang, W., Yu, H., Chai, W., Liu, D. Analysis on the relationships between ultrasonic parameters and the stress state in loaded concrete based on improved support vector machines). Journal of Vibration and Shock. 42 (2), 175-224 (2023).
- Yan, K., Shi, C. Prediction of elastic modulus of normal and high strength concrete by support vector machine. Construction & Building Materials. 24 (8), 1479-1485 (2010).
- Hussein, I. J., et al. Fully-automatic identification of gynaecological abnormality using a new adaptive frequency filter and histogram of oriented gradients (HOG). Expert Systems. 39 (3), 12789 (2022).
- Chandrakala, M., Devi, P. D. Two-stage classifier for face recognition using HOG features. Materials Today: Proceedings. 47, 5771-5775 (2021).
- Long, C., Yichi, Z., Zhangkai, L., Dandan, D. Low-Light Image Enhancement Based on RAW Domain Image. Journal of Computer-Aided Design & Computer Graphics. 35 (2), 303-311 (2023).
- Wang, X., et al. Development and application of concrete vibrating robot system for high arch dam. Journal of Hydraulic Engineering. 53 (6), 631-654 (2022).
