УДК 004.896

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОБНАРУЖЕНИЯ ДЕФЕКТОВ В СТРОИТЕЛЬНЫХ КОНСТРУКЦИЯХ Применение искусственного интеллекта для обнаружения дефектов в строительных конструкциях

Опубликовано в Строительство и архитектура · Том 11, Номер 3, 2023 · Страницы 18–18 · Рубрика: 2.1.15. БЕЗОПАСНОСТЬ ОБЪЕКТОВ СТРОИТЕЛЬСТВА (ТЕХНИЧЕСКИЕ НАУКИ)
DOI: https://doi.org/10.29039/2308-0191-2023-11-3-18-18
Получено: 10.09.2023 Одобрено: 29.09.2023 Опубликовано: 29.09.2023 Язык публикаций: ru-RU
Контроль технического состояния сооружений является важнейшей задачей, направленной на повышение надежности и безопасности зданий и сооружений. В ходе обследования возникает комплекс задач по оценке видимых дефектов и повреждений, решение которых требует опыта и внимания специалистов по структурным изысканиям. Нередко пропуск видимых дефектов является самой распространенной ошибкой при обследовании инженерно-технического состояния здания. Техническое зрение, как метод классификации объектов на изображениях, позволяет существенно повысить эффективность визуального осмотра и снизить количество ошибок на объекте. В настоящей работе исследован алгоритм обнаружения повреждений железобетонных конструкций на основе модели сверточной нейронной сети, созданной на языке программирования Python. Нейронная сеть была обучена и протестирована на реальных дефектах монолитного железобетонного здания. По результатам работы выявлена высокая эффективность искусственного интеллекта по определению дефектов и повреждений в рамках обследования инженерно-технического состояния монолитных железобетонных конструкций строящегося здания. Автоматизация работ по визуальному осмотру строительных конструкций — перспективное направление развития искусственного интеллекта.
искусственный интеллект, дефекты строительных конструкций, нейронная сеть техническое зрение
Текст Список литературы

1. Shi, С. and Pun, С.-М., “Supcrpixcl-bascd 3D deep neural networks for hypcrspcctral image classification”, Pattern Rccognit., Vol. 74, Pages 600-616, 2018.

2. Li, J., Xia, C. and Chen, X., “A Benchmark Dataset and Salicncy-Guidcd Stacked Autocncodcrs for Video-Based Salient Object Detection”, IEEE Trans. Image Process., Vol. 27, Issue 1, Pages 349- 364, 2018.

3. Наумов А.Е. Совершенствование технологии строительства и технической экспертизы с использованием аппаратно-программного комплекса автоматизированной дефектоскопии / А.Е. Наумов, Д.А. Юдин, А.В. Долженко // Вестник Белгородского государственного технологического университета. ВГ Шухов. - 2019. - № 4. - С. 61-69.

4. Сикорский О.С. Обзор сверточных нейронных сетей для задачи классификации изображений / О.С. Сикорский // Новые информационные технологии в автоматизированных системах. - 2017. - № 3. - С. 15-23.

5. Соснин А.С., Суслова И.А. Функции активации нейронной сети: сигмовидная, линейная, ступенчатая, ReLu, tan // Наука. Информатизация. Технологии. Образование. - Екатеринбург:, 2019. - С. 237-246.

6. Двухэтапный метод обнаружения трещин в бетонных мостах с использованием сверточных нейронных сетей. / Ю. Ли, В. Чжао, С. Чжан, Ц. Чжоу // Транзакции IEICE по информации и системам. - 2018. - № Е101.Д (12). - С. 3249-3252.

7. Автоматическое обнаружение и измерение трещин на уровне пикселей с использованием полностью сверточной сети / X. Ян, Х. Ли, X. Ю [и др.] // Компьютерное гражданское и инфраструктурное проектирование. - 2018. - № 33 (4). - С. 1090-1109.

8. Автоматизированное обнаружение трещин в дорожном покрытии на уровне пикселей на 3D-асфальтовых поверхностях с использованием сети глубокого обучения / А. Чжан, К. Ван, Э. Янг [и др.] // Компьютерное гражданское и инфраструктурное проектирование. - 2017. - № 32 (5). - С. 805-819.

9. Ченг Дж. Автоматическое обнаружение дефектов канализационных труб на изображениях замкнутого телевидения с использованием методов глубокого обучения / Дж. Ченг, М. Ван // Автоматизация в строительстве. - 2018. - № 95. - С. 155-171.

10. Дорафшан С. Сравнение глубоких сверточных нейронных сетей и детекторов краев для обнаружения трещин в бетоне на основе изображений / С. Дорафшан, Р. Дж. Томас, М. Магуайр // Строительство и строительные материалы. - 2018. - № 186. - С. 1031-1045.

11. Говард Дж. Беспилотные летательные аппараты в строительстве и безопасности труда / Дж. Ховард, В. Мурашов, С. М. Бранш // Американский журнал промышленной медицины. - 2018. - № 61.- С. 3-10.

12. Ким Б. Автоматизированное визуальное обнаружение трещин на бетонных поверхностях с использованием метода глубокого обучения / Б. Ким, С. Чо // Датчики. - 2018. - № 18 (10). - С. 1-18.

13. Князева, Н. В., Левина Д.А. Использование BIM-сценариев в работе служб эксплуатации // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. - 2019. - № 5. - С. 99-105. DOI: https://doi.org/10.34031/article_5cd6df471c80b0.92422061; EDN: https://elibrary.ru/IBNDHU

Войти или Создать
* Забыли пароль?