محمد موسوی - دانشکده ی مهندسی عمران، دانشگاه صنعتی شریف
علی بخشی - دانشکده ی مهندسی عمران، دانشگاه صنعتی شریف

سازه های مصالح بنایی، شمار بالایی از سازه های ساخته ی دست بشر را تشکیل می دهند. با توجه به اهمیت تاریخی و همچنین شرایط محیطی، بسیاری از سازه های مذکور نیازمند یک سیستم پایش سلامت کارا هستند. پیشرفت های اخیر در حوزه ی هوش مصنوعی و بینایی رایانه، دستیابی به سیستم موردنظر را بیش از پیش نزدیک کرده است. در پژوهش حاضر، فرایند شناسایی ترک در تصاویر سازه های مصالح بنایی با استفاده از یک مدل یادگیری عمیق انجام پذیرفته است. در توسعه ی الگوریتم مذکور، از یک مدل رمزگذار رمزگشای کانولوشنال استفاده شده است که خروجی آن، تصویری بخش بندی شده از تصویر ورودی بوده است. در پژوهش حاضر، مجموعه ی داده یی متشکل از ۱۱۵ تصویر از سازه های مصالح بنایی که وقوع ترک در آن ها رخ داده است، گردآوری و پس از برچسب گذاری دستی آن ها، اقدام به آموزش و ارزیابی شده است. درنهایت، دقت های صحت، فراخوانی و معیار F۱ به ترتیب برابر%۸۱/۴۴۴، %۷۱/۴۱۱ و %۷۵/۳۶۶ برای داده های ارزیابی و در مقیاس پیکسل حاصل شده است.

پایش سلامت سازه ها, یادگیری عمیق, بینایی رایانه, شبکه های عصبی کانولوشن, بخش بندی تصویر