समर्थन वेक्टर मशीन के आधार पर कंक्रीट कंपन राज्य की छवि पहचान और पैरामीटर विश्लेषण
Summary
इस पत्र में वर्णित प्रोटोकॉल विभिन्न कंपन राज्यों के तहत ठोस छवि नमूनों की विशेषताओं को निकालने के लिए दिशात्मक ढाल हिस्टोग्राम तकनीक का उपयोग करता है। यह मशीन सीखने के लिए एक समर्थन वेक्टर मशीन को नियोजित करता है, जिसके परिणामस्वरूप न्यूनतम प्रशिक्षण नमूना आवश्यकताओं और कम कंप्यूटर प्रदर्शन मांगों के साथ एक छवि पहचान विधि होती है।
Abstract
इस पत्र में, दिशात्मक ढाल हिस्टोग्राम तकनीक को विभिन्न कंपन राज्यों के तहत कैप्चर किए गए ठोस छवि नमूनों की विशेषताओं को निकालने के लिए नियोजित किया जाता है। समर्थन वेक्टर मशीन (एसवीएम) का उपयोग छवि सुविधाओं और कंपन स्थिति के बीच संबंध जानने के लिए किया जाता है। मशीन सीखने के परिणामों का उपयोग बाद में कंक्रीट कंपन राज्य की व्यवहार्यता का आकलन करने के लिए किया जाता है। इसके साथ ही, मान्यता सटीकता पर दिशात्मक ढाल हिस्टोग्राम के गणना मापदंडों के प्रभाव तंत्र का विश्लेषण किया जाता है। परिणाम कंक्रीट की कंपन स्थिति की पहचान करने के लिए दिशात्मक ढाल हिस्टोग्राम-एसवीएम तकनीक का उपयोग करने की व्यवहार्यता प्रदर्शित करते हैं। पहचान सटीकता शुरू में बढ़ जाती है और फिर दिशात्मक ढाल के ब्लॉक आकार के रूप में घट जाती है, या सांख्यिकीय अंतराल की संख्या बढ़ जाती है। मान्यता सटीकता भी बिनाराइजेशन थ्रेशोल्ड की वृद्धि के साथ रैखिक रूप से घट जाती है। 1024 पिक्सल x 1024 पिक्सल के रिज़ॉल्यूशन के साथ नमूना छवियों का उपयोग करके और फीचर निष्कर्षण मापदंडों को अनुकूलित करके, 100% की मान्यता सटीकता प्राप्त की जा सकती है।
Introduction
कंक्रीट एक मौलिक निर्माण सामग्री है जिसका उपयोग निर्माण उद्योग में बड़े पैमाने पर किया जाता है। पंपिंग के दौरान, कंक्रीट अक्सर voids विकसित करता है जिसे कंपन के माध्यम से संघनन की आवश्यकता होती है। अपर्याप्त कंपन के परिणामस्वरूप मधुकोश कंक्रीट की सतह हो सकती है, जबकि अत्यधिक कंपन से कंक्रीट अलगाव 1,2 हो सकता है। कंपन संचालन की गुणवत्ता महत्वपूर्ण रूप से गठित कंक्रीट संरचनाओं की ताकत 3,4,5,6 और स्थायित्व को प्रभावित करती है 7,8. Cai et al.9,10 ने एक अध्ययन किया जो कुल निपटान और ठोस स्थायित्व पर कंपन के प्रभाव तंत्र की जांच करने के लिए संख्यात्मक विश्लेषण के साथ प्रयोगात्मक अनुसंधान को जोड़ता है। निष्कर्षों से पता चला कि कंपन समय और कुल कण कुल निपटान पर काफी प्रभाव डालते हैं, जबकि कुल घनत्व और सीमेंट-आधारित सामग्री की प्लास्टिक चिपचिपाहट का न्यूनतम प्रभाव पड़ता है। कंपन कंक्रीट नमूनों के तल पर कुल जमाव का कारण बनता है। इसके अलावा, जैसे-जैसे कंपन का समय बढ़ता है, क्लोराइड आयन की सांद्रता कंक्रीट नमूनों के तल पर कम हो जाती है जबकि शीर्ष 9,10 पर काफी बढ़ जाती है।
वर्तमान में, ठोस कंपन राज्य का मूल्यांकन मुख्य रूप से मैनुअल निर्णय पर निर्भर करता है। जैसा कि निर्माण उद्योग बुद्धिमान सुधारों के माध्यम से प्रगति जारी रखता है, रोबोट संचालन भविष्य की दिशा 11,12 के रूप में उभरा है। नतीजतन, बुद्धिमान कंपन संचालन में एक महत्वपूर्ण चुनौती यह है कि रोबोट को कंक्रीट की कंपन स्थिति की पहचान करने में कैसे सक्षम किया जाए।
उन्मुख ढाल का हिस्टोग्राम एक तकनीक है जो पिक्सल की तीव्रता ढाल या छवियों13,14में वस्तुओं के प्रतिनिधित्व और आकार को चिह्नित करने के लिए एक वर्णनकर्ता के रूप में किनारे की दिशाओं के वितरण का उपयोग करती है। यह दृष्टिकोण छवि के स्थानीय ग्रिड कोशिकाओं पर संचालित होता है, जो विभिन्न ज्यामितीय और ऑप्टिकल स्थितियों के तहत छवि परिवर्तनों को चिह्नित करने में मजबूत स्थिरता प्रदान करता है।
झोउ एट अल .15 ने बायर मोड छवियों से दिशात्मक ढाल सुविधाओं को सीधे निकालने के लिए एक विधि का प्रस्ताव रखा। यह दृष्टिकोण ढाल ऑपरेटर के साथ रंग फिल्टर कॉलम का मिलान करके दिशात्मक ढाल की गणना करने में कई चरणों को छोड़ देता है, जिससे दिशात्मक ढाल छवि पहचान के लिए कम्प्यूटेशनल आवश्यकताओं को काफी कम कर दिया जाता है। उन्होंने एट अल 16 ने दिशात्मक ढाल हिस्टोग्राम को अंतर्निहित विशेषता के रूप में उपयोग किया और रेल फास्टनरों को वर्गीकृत करने और यह निर्धारित करने के लिए माध्य क्लस्टरिंग एल्गोरिथ्म को नियोजित किया कि फास्टनरों दोषपूर्ण हैं या नहीं। मान्यता के परिणामों ने संकेत दिया कि उन्मुख ढाल सुविधा के हिस्टोग्राम ने रेलवे रखरखाव और मरम्मत की जरूरतों को पूरा करते हुए, फास्टनर दोषों के लिए उच्च संवेदनशीलता का प्रदर्शन किया। एक अन्य अध्ययन में, जू एट अल .17 ने गैबर वेवलेट फ़िल्टरिंग का उपयोग करके चेहरे की छवि सुविधाओं को पूर्वसंसाधित किया और बाइनरी कोडिंग और एचओजी एल्गोरिथ्म के माध्यम से फीचर वैक्टर के आयाम को कम किया। विधि की औसत पहचान सटीकता 92.5% है।
समर्थन वेक्टर मशीन (एसवीएम)18 का उपयोग वेक्टर को एक उच्च-आयामी स्थान में मैप करने के लिए किया जाता है और दो समानांतर हाइपरप्लेन के बीच की दूरी को अधिकतम करने के लिए एक उपयुक्त दिशा के साथ एक अलग हाइपरप्लेन स्थापित करता है। यह समर्थन वैक्टर19 के वर्गीकरण के लिए अनुमति देता है. विद्वानों ने इस वर्गीकरण तकनीक में सुधार और अनुकूलन किया है, जिससे छवि पहचान20,21, पाठ वर्गीकरण 22, विश्वसनीयता भविष्यवाणी23, और गलती निदान24 जैसे विभिन्न क्षेत्रों में इसका अनुप्रयोग हो सकता है।
ली एट अल .25 ने भूकंपीय विफलता पैटर्न मान्यता के लिए दो-चरण एसवीएम मॉडल विकसित किया, जो तीन भूकंपीय विफलता मोड पर केंद्रित था। विश्लेषण के परिणाम बताते हैं कि प्रस्तावित दो-चरण एसवीएम विधि तीन विफलता मोड के लिए 90% से अधिक सटीकता प्राप्त कर सकती है। यांग एट अल .26 ने पांच अल्ट्रासोनिक मापदंडों और लोड किए गए कंक्रीट के तनाव के बीच संबंधों को अनुकरण करने के लिए एसवीएम के साथ एक अनुकूलन एल्गोरिथ्म को एकीकृत किया। एक अअनुकूलित एसवीएम का प्रदर्शन असंतोषजनक है, विशेष रूप से कम तनाव वाले चरण में। हालांकि, एल्गोरिथ्म द्वारा अनुकूलित मॉडल को पार करने से बेहतर परिणाम मिलते हैं, यद्यपि लंबे गणना समय के साथ। इसकी तुलना में, कण झुंड अनुकूलन अनुकूलित एसवीएम इष्टतम सिमुलेशन परिणाम प्रदान करते समय गणना समय को काफी कम कर देता है। यान एट अल 27 ने एसवीएम तकनीक को नियोजित किया और पारंपरिक प्रतिगमन मॉडल और तंत्रिका नेटवर्क मॉडल के खिलाफ इसकी भविष्यवाणी सटीकता की तुलना करते हुए, उच्च शक्ति कंक्रीट के लोचदार मापांक की भविष्यवाणी करने के लिए एक सटीक-असंवेदनशील हानि फ़ंक्शन पेश किया। शोध के निष्कर्ष बताते हैं कि एसवीएम तकनीक अन्य तरीकों की तुलना में लोचदार मापांक के लिए एक छोटी भविष्यवाणी त्रुटि पैदा करती है।
यह पत्र विभिन्न कंपन राज्यों के तहत कंक्रीट के छवि नमूने एकत्र करता है और दिशात्मक ढाल हिस्टोग्राम तकनीक का उपयोग करके कंक्रीट के विभिन्न राज्यों का वर्णन करता है। दिशात्मक ढाल को एसवीएम के प्रशिक्षण के लिए एक फीचर वेक्टर के रूप में नियोजित किया जाता है, और अध्ययन कंक्रीट की कंपन स्थिति की पहचान करने के लिए दिशात्मक ढाल हिस्टोग्राम-एसवीएम तकनीक का उपयोग करने की व्यवहार्यता पर केंद्रित है। इसके अतिरिक्त, पेपर तीन प्रमुख मापदंडों के बीच प्रभाव तंत्र का विश्लेषण करता है-बिनाराइजेशन थ्रेशोल्ड, दिशात्मक ढाल सांख्यिकीय ब्लॉक आकार, और दिशात्मक ढाल सांख्यिकीय अंतराल संख्या-दिशात्मक ढाल हिस्टोग्राम की सुविधा निष्कर्षण प्रक्रिया और एसवीएम की मान्यता सटीकता में।
Protocol
Representative Results
Discussion
यह पेपर विभिन्न ठोस कंपन राज्य नमूनों की छवि विशेषताओं को जानने के लिए समर्थन वेक्टर मशीन (एसवीएम) का उपयोग करता है। मशीन सीखने के परिणामों के आधार पर, छवि पहचान के आधार पर एक ठोस कंपन राज्य मान्यता विधि …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
हम इस काम के वित्तपोषण के लिए वुहान अर्बन कंस्ट्रक्शन ग्रुप 2023 वार्षिक वैज्ञानिक अनुसंधान परियोजना (NO.7) को कृतज्ञतापूर्वक धन्यवाद देते हैं।
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 |
Riferimenti
- 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).
