Protokollen beskrevet i dette papiret benytter retningsgradienthistogramteknikken for å trekke ut egenskapene til konkrete bildeprøver under forskjellige vibrasjonstilstander. Den bruker en støttevektormaskin for maskinlæring, noe som resulterer i en bildegjenkjenningsmetode med minimale krav til treningsprøver og lave krav til datamaskinytelse.
I dette papiret brukes retningsgradienthistogramteknologien til å trekke ut funksjonene til konkrete bildeprøver tatt under forskjellige vibrasjonstilstander. Støttevektormaskinen (SVM) brukes til å lære forholdet mellom bildefunksjoner og vibrasjonstilstand. Maskinlæringsresultatene brukes deretter til å vurdere gjennomførbarheten av betongvibrasjonstilstanden. Samtidig analyseres påvirkningsmekanismen for beregningsparametrene til retningsgradienthistogrammet på anerkjennelsesnøyaktigheten. Resultatene demonstrerer muligheten for å bruke retningsgradienthistogram-SVM-teknologien for å identifisere betongens vibrasjonstilstand. Gjenkjenningsnøyaktigheten øker i utgangspunktet og reduseres deretter etter hvert som blokkstørrelsen på retningsgradienten, eller antall statistiske intervaller øker. Gjenkjenningsnøyaktigheten reduseres også lineært med økningen av binariseringsterskelen. Ved å bruke eksempelbilder med en oppløsning på 1024 piksler x 1024 piksler og optimalisere funksjonsuttrekkingsparametrene, kan en gjenkjenningsnøyaktighet på 100 % oppnås.
Betong er et grunnleggende byggemateriale som er mye brukt i byggebransjen. Under pumping utvikler betongen ofte hulrom som krever komprimering gjennom vibrasjoner. Utilstrekkelig vibrasjon kan resultere i en honeycombed betongoverflate, mens overdreven vibrasjon kan føre til betongsegregering 1,2. Kvaliteten på vibrasjonsoperasjonen påvirker styrkenbetydelig 3,4,5,6 og holdbarheten til de dannede betongkonstruksjonene 7,8. Cai et al.9,10 gjennomførte en studie som kombinerte eksperimentell forskning med numerisk analyse for å undersøke påvirkningsmekanismen for vibrasjon på aggregatsetning og konkret holdbarhet. Funnene viste at vibrasjonstid og aggregatpartikler har en betydelig innvirkning på aggregatsetninger, mens aggregattetthet og plastviskositeten til det sementbaserte materialet har minimal effekt. Vibrasjon forårsaker aggregatavsetning i bunnen av betongprøvene. Dessuten, når vibrasjonstiden øker, reduseres kloridionkonsentrasjonen i bunnen av betongprøvene mens den øker betydelig påtoppen 9,10.
For tiden er vurderingen av betongvibrasjonstilstand hovedsakelig avhengig av manuell vurdering. Etter hvert som byggebransjen fortsetter å utvikle seg gjennom intelligente reformer, har robotoperasjoner dukket opp som fremtidens retning11,12. Følgelig er en avgjørende utfordring i intelligente vibrasjonsoperasjoner hvordan man gjør det mulig for roboter å identifisere betongens vibrasjonstilstand.
Histogrammet til den orienterte gradienten er en teknikk som bruker intensitetsgradienten til piksler eller fordelingen av kantretninger som en beskrivelse for å karakterisere representasjonen og formen til objekter i bilder13,14. Denne tilnærmingen opererer på de lokale rutenettcellene i bildet, og gir robust stabilitet i karakterisering av bildeendringer under forskjellige geometriske og optiske forhold.
Zhou et al.15 foreslo en metode for direkte å trekke ut retningsgradientfunksjoner fra Bayer-modusbilder. Denne tilnærmingen utelater mange trinn i beregningen av retningsgraderingen ved å tilpasse fargefilterkolonnen til graderingsoperatoren, og reduserer dermed beregningskravene for retningsgradert bildegjenkjenning betydelig. Han et al.16 benyttet retningsgradienthistogrammet som underliggende trekk og benyttet den gjennomsnittlige klyngealgoritmen for å klassifisere skinnefester og avgjøre om festene er defekte. Anerkjennelsesresultatene indikerte at histogrammet til den orienterte gradientfunksjonen viste høy følsomhet for festefeil, og oppfylte behovene til vedlikehold og reparasjon av jernbanen. I en annen studie forhåndsbehandlet Xu et al.17 ansiktsbildefunksjoner ved hjelp av Gabor wavelet-filtrering og reduserte dimensjonen til funksjonsvektorer gjennom binær koding og HOG-algoritmen. Den gjennomsnittlige anerkjennelsesnøyaktigheten til metoden er 92, 5%.
Støttevektormaskinen (SVM)18 brukes til å kartlegge vektoren i et høydimensjonalt rom og etablerer et separerende hyperplan med en passende retning for å maksimere avstanden mellom to parallelle hyperplan. Dette muliggjør klassifisering av støttevektorer19. Forskere har forbedret og optimalisert denne klassifiseringsteknologien, noe som fører til anvendelse på ulike felt som bildegjenkjenning20,21, tekstklassifisering22, pålitelighetsprediksjon23 og feildiagnose24.
Li et al.25 utviklet en to-trinns SVM-modell for gjenkjenning av seismisk feilmønster, med fokus på tre seismiske feilmoduser. Analyseresultatene indikerer at den foreslåtte to-trinns SVM-metoden kan oppnå mer enn 90% nøyaktighet for de tre feilmodusene. Yang et al.26 integrerte en optimaliseringsalgoritme med SVM for å simulere forholdet mellom de fem ultralydparametrene og spenningen til den lastede betongen. Ytelsen til en uoptimalisert SVM er utilfredsstillende, spesielt i lavspenningsstadiet. Traversering av modellen optimalisert av algoritmen gir imidlertid forbedrede resultater, om enn med lange beregningstider. Til sammenligning reduserer optimaliseringen av partikkelsvermen SVM beregningstiden betydelig, samtidig som den leverer optimale simuleringsresultater. Yan et al.27 benyttet SVM-teknologi og introduserte en presisjonsfølsom tapsfunksjon for å forutsi den elastiske modulen av høyfast betong, og sammenlignet prediksjonsnøyaktigheten mot den tradisjonelle regresjonsmodellen og nevrale nettverksmodellen. Forskningsresultatene viser at SVM-teknologien gir en mindre prediksjonsfeil for elastisk modul sammenlignet med andre metoder.
Dette papiret samler bildeprøver av betong under forskjellige vibrasjonstilstander og beskriver betongens forskjellige tilstander ved hjelp av retningsgradienthistogramteknikken. Den retningsbestemte gradienten brukes som en funksjonsvektor for trening av SVM, og studien fokuserer på levedyktigheten ved å bruke retningsgradienthistogram-SVM-teknologien for å identifisere vibrasjonstilstanden til betong. I tillegg analyserer papiret påvirkningsmekanismen mellom tre nøkkelparametere – binariseringsterskel, retningsgradient statistisk blokkstørrelse og retningsgradient statistisk intervallnummer – i funksjonen utvinningsprosessen av retningsgradienthistogrammet og anerkjennelsesnøyaktigheten til SVM.
Dette papiret bruker støttevektormaskinen (SVM) for å lære bildefunksjonene til forskjellige konkrete vibrasjonstilstandsprøver. Basert på maskinlæringsresultatene foreslås en konkret vibrasjonstilstandsgjenkjenningsmetode basert på bildegjenkjenning. For å forbedre gjenkjenningsnøyaktigheten er det avgjørende å kontrollere parametrene til de tre nøkkeltrinnene: bildesegmentering, bildebinarisering og egenverdiutvinning av retningsgradient. Ifølge testresultatene brukes en mindre binariseringsterskel for å…
The authors have nothing to disclose.
Vi takker Wuhan Urban Construction Group 2023 Annual Scientific Research Project (NO.7) for finansieringen av dette arbeidet.
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 |