Bildegjenkjenning og parameteranalyse av betongvibrasjonstilstand basert på støttevektormaskin

Summary

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.

Abstract

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.

Introduction

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 styrken^betydelig 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 på^{toppen 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 retning^11,12. 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 bilder^13,14. 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 bildegjenkjenning^20,21, 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.

Protocol

1. Konkret prøvebildeoppkjøp Transporter betong til arbeidsplassen, hvor den skal helles av pumpebilen. For å ta bilder, slå på opptaksutstyret ved å flytte av / på-bryteren til høyre og vri den til PÅ-posisjon . Juster kameraets modusknapp til grønn automatisk modus, sørg for at kameralinsen er parallell med betongoverflaten, og trykk på lukkertasten. Ta 20 bildeprøver av ikke-vibrert betong, og lagre dem i .jpg format med en oppløsning…

Representative Results

Denne protokollen tar sikte på å analysere hvordan de tre vektorberegningsparametrene til retningsgradientfunksjonen påvirker nøyaktigheten til SVM ved å identifisere betongvibrasjonstilstanden. De primære beregningsparametrene for retningsgradientfunksjonsvektoren inkluderer den retningsgraderte statistiske blokkstørrelsen, antall retningsgraderte statistiske vinkelintervaller og den binære grå terskelen. Denne delen bruker tre hovedberegningsparametere som variabler for å utforme testen. Testparameternivåene…

Discussion

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…

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