Bu yazıda açıklanan protokol, çeşitli titreşim durumları altında somut görüntü örneklerinin özelliklerini çıkarmak için yönlü gradyan histogram tekniğini kullanır. Makine öğrenimi için bir destek vektör makinesi kullanır, bu da minimum eğitim örneği gereksinimleri ve düşük bilgisayar performansı talepleri ile bir görüntü tanıma yöntemi ile sonuçlanır.
Bu yazıda, farklı titreşim durumları altında yakalanan somut görüntü örneklerinin özelliklerini çıkarmak için yönlü gradyan histogram teknolojisi kullanılmıştır. Destek vektör makinesi (SVM), görüntü özellikleri ile titreşim durumu arasındaki ilişkiyi öğrenmek için kullanılır. Makine öğrenimi sonuçları daha sonra beton titreşim durumunun fizibilitesini değerlendirmek için kullanılır. Eşzamanlı olarak, yönlü gradyan histogramının hesaplama parametrelerinin tanıma doğruluğu üzerindeki etki mekanizması analiz edilir. Sonuçlar, betonun titreşim durumunu belirlemek için yönlü gradyan histogramı-SVM teknolojisini kullanmanın fizibilitesini göstermektedir. Tanıma doğruluğu başlangıçta artar ve daha sonra yönlü gradyanın blok boyutu veya istatistiksel aralıkların sayısı arttıkça azalır. Tanıma doğruluğu, ikilileştirme eşiğinin artmasıyla doğrusal olarak da azalır. 1024 piksel x 1024 piksel çözünürlüğe sahip örnek görüntüler kullanılarak ve özellik çıkarma parametreleri optimize edilerek, %100’lük bir tanıma doğruluğu elde edilebilir.
Beton, inşaat sektöründe yaygın olarak kullanılan temel bir yapı malzemesidir. Pompalama sırasında, beton sıklıkla titreşim yoluyla sıkıştırma gerektiren boşluklar geliştirir. Yetersiz titreşim, petekli bir beton yüzeye neden olabilirken, aşırı titreşim beton ayrışmasınaneden olabilir 1,2. Titreşim işleminin kalitesi, şekillendirilmiş beton yapıların mukavemetini 3,4,5,6 ve dayanıklılığını 7,8 önemli ölçüde etkiler. Cai ve ark.9,10, titreşimin agrega oturması ve beton dayanıklılığı üzerindeki etki mekanizmasını araştırmak için deneysel araştırmaları sayısal analizle birleştiren bir çalışma yürütmüştür. Bulgular, titreşim süresi ve agrega parçacıklarının agrega oturması üzerinde önemli bir etkiye sahip olduğunu, agrega yoğunluğunun ve çimento esaslı malzemenin plastik viskozitesinin ise minimum etkiye sahip olduğunu ortaya koymuştur. Titreşim, beton numunelerin dibinde agrega birikmesine neden olur. Ayrıca, titreşim süresi arttıkça, klorür iyonu konsantrasyonu beton numunelerin dibinde azalırken, üst 9,10’da önemli ölçüde artmaktadır.
Şu anda, somut titreşim durumunun değerlendirilmesi ağırlıklı olarak manuel yargıya dayanmaktadır. İnşaat sektörü akıllı reformlarla ilerlemeye devam ederken, robot operasyonları geleceğin yönü olarak ortaya çıkmıştır11,12. Sonuç olarak, akıllı titreşim operasyonlarında çok önemli bir zorluk, robotların betonun titreşim durumunu tanımlamasının nasıl sağlanacağıdır.
Yönlendirilmiş gradyanın histogramı, görüntülerdeki nesnelerin temsilini ve şeklini karakterize etmek için tanımlayıcı olarak piksellerin yoğunluk gradyanını veya kenar yönlerinin dağılımını kullanan bir tekniktir13,14. Bu yaklaşım, görüntünün yerel ızgara hücreleri üzerinde çalışır ve çeşitli geometrik ve optik koşullar altında görüntü değişikliklerini karakterize etmede sağlam bir kararlılık sağlar.
Zhou ve ark.15 , Bayer modu görüntülerinden yönlü gradyan özelliklerini doğrudan çıkarmak için bir yöntem önerdi. Bu yaklaşım, renk filtresi sütununu degrade işleciyle eşleştirerek yönlü gradyanı hesaplamada çok sayıda adımı atlar ve böylece yönlü gradyan görüntü tanıma için hesaplama gereksinimlerini önemli ölçüde azaltır. O ve ark.16 , temel özellik olarak yönlü gradyan histogramını kullandı ve ray bağlantı elemanlarını sınıflandırmak ve bağlantı elemanlarının kusurlu olup olmadığını belirlemek için ortalama kümeleme algoritmasını kullandı. Tanıma sonuçları, yönlendirilmiş gradyan özelliğinin histogramının, demiryolu bakım ve onarım ihtiyaçlarını karşılayarak bağlantı elemanı kusurlarına karşı yüksek hassasiyet sergilediğini gösterdi. Başka bir çalışmada, Xu ve ark.17 , Gabor dalgacık filtrelemesini kullanarak yüz görüntüsü özelliklerini önceden işledi ve ikili kodlama ve HOG algoritması yoluyla özellik vektörlerinin boyutunu azalttı. Yöntemin ortalama tanıma doğruluğu %92,5’tir.
Destek vektör makinesi (SVM)18, vektörü yüksek boyutlu bir uzaya eşlemek için kullanılır ve iki paralel hiper düzlem arasındaki mesafeyi en üst düzeye çıkarmak için uygun bir yöne sahip ayırıcı bir hiper düzlem oluşturur. Bu, destek vektörlerininsınıflandırılmasına izin verir 19. Bilim adamları bu sınıflandırma teknolojisini geliştirdiler ve optimize ettiler, bu da görüntü tanıma20,21, metin sınıflandırması22, güvenilirlik tahmini23 ve hata teşhisi24 gibi çeşitli alanlarda uygulanmasına yol açtı.
Li ve ark.25 , sismik arıza paterninin tanınması için üç sismik arıza moduna odaklanan iki aşamalı bir SVM modeli geliştirdi. Analiz sonuçları, önerilen iki aşamalı SVM yönteminin üç arıza modu için %90’dan fazla doğruluk elde edebileceğini göstermektedir. Yang ve ark.26 , beş ultrasonik parametre ile yüklenen betonun gerilmesi arasındaki ilişkiyi simüle etmek için SVM ile bir optimizasyon algoritması entegre etti. Optimize edilmemiş bir SVM’nin performansı, özellikle düşük stresli aşamada tatmin edici değildir. Bununla birlikte, algoritma tarafından optimize edilmiş modelde geçiş yapmak, uzun hesaplama sürelerine rağmen daha iyi sonuçlar verir. Buna karşılık, parçacık sürüsü optimizasyonu optimize edilmiş SVM, optimum simülasyon sonuçları sağlarken hesaplama süresini önemli ölçüde azaltır. Yan ve ark.27 , SVM teknolojisini kullandı ve yüksek dayanımlı betonun elastik modülünü tahmin etmek için hassas bir şekilde duyarsız bir kayıp fonksiyonu tanıttı ve tahmin doğruluğunu geleneksel regresyon modeli ve sinir ağı modeliyle karşılaştırdı. Araştırma bulguları, SVM teknolojisinin diğer yöntemlere kıyasla elastik modül için daha küçük bir tahmin hatası ürettiğini göstermektedir.
Bu makale, çeşitli titreşim durumları altında betonun görüntü örneklerini toplar ve yönlü gradyan histogram tekniğini kullanarak betonun farklı durumlarını açıklar. Yönlü gradyan, SVM’yi eğitmek için bir özellik vektörü olarak kullanılır ve çalışma, betonun titreşim durumunu belirlemek için yönlü gradyan histogramı-SVM teknolojisini kullanmanın uygulanabilirliğine odaklanır. Ek olarak, makale, yönlü gradyan histogramının özellik çıkarma sürecinde ve SVM’nin tanıma doğruluğunda üç temel parametre (ikilileştirme eşiği, yönlü gradyan istatistiksel blok boyutu ve yönlü gradyan istatistiksel aralık sayısı) arasındaki etki mekanizmasını analiz eder.
Bu makale, çeşitli beton titreşim durumu örneklerinin görüntü özelliklerini öğrenmek için destek vektör makinesini (SVM) kullanır. Makine öğrenimi sonuçlarına dayanarak, görüntü tanımaya dayalı somut bir titreşim durumu tanıma yöntemi önerilmiştir. Tanıma doğruluğunu artırmak için, üç temel adımın parametrelerini kontrol etmek çok önemlidir: görüntü segmentasyonu, görüntü ikilileştirme ve yönlü gradyan özdeğer çıkarma. Test sonuçlarına göre, somut numune görüntüsü…
The authors have nothing to disclose.
Bu çalışmayı finanse ettiği için Wuhan Urban Construction Group 2023 Yıllık Bilimsel Araştırma Projesi’ne (NO.7) minnetle teşekkür ederiz.
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 |