Drvna industrija, Vol. 73 No. 2, 2022.
Izvorni znanstveni članak
https://doi.org/10.5552/drvind.2022.2108
Automatsko otkrivanje oštećenja na tradicionalnim drvenim konstrukcijama metodom klasifikacije slika utemeljenom na dubokom učenju
Kemal Haciefendioglu
; Karadeniz Technical University, Department of Civil Engineering, Trabzon, Turkey
Hasan Basri Başaga
; Karadeniz Technical University, Department of Civil Engineering, Trabzon, Turkey
Murat Emre Kartal
; İzmir Democracy University, Department of Civil Engineering, İzmir, Turkey
Mehmet Ceyhun Bulut
; Karadeniz Technical University, Department of Civil Engineering, Trabzon, Turkey
Sažetak
Drvo kao vrijedan građevni materijal ima dugu povijest uporabe u graditeljstvu. No zbog brojnih vanjskih čimbenika, posebice vremenskih utjecaja, drvo tijekom vremena postaje podložno progresivnom propadanju, što negativno utječe na izdržljivost drvenih konstrukcija. Procjena šteta na drvu ključna je za razumijevanje problema koji će vjerojatno nastati na drvenim konstrukcijama, kao i za njihovo učinkovito ublažavanje. Primjena sustava klasifikacije uz pomoć dubokog učenja može potencijalno smanjiti vjerojatnost oštećenja u inženjerskim projektima koji se oslanjaju na drvo. U ovom je istraživanju primijenjena tehnika transfernog učenja kako bi se postigla veća točnost modela umjesto da se model za utvrđivanje vjerojatnosti rizika za drvene konstrukcije radi prije početka projekta. Za prilagodbu i inicijalizaciju težina primijenjeni su unaprijed osposobljeni modeli MobileNet_V2, Inception_V3 i ResNet_V2_50. Za ispitivanje robusnosti modela upotrijebljen je zaseban skup slika koji nije prikazan u osposobljenome modelu. Spomenuta tri modela uspoređena su s obzirom na njihove mogućnosti procjene vjerojatnosti i vrste oštećenja drvenih konstrukcija. Rezultati su otkrili da sva tri modela imaju sličnu pouzdanost. Međutim, kada se uzmu u obzir omjeri gubitaka u odnosu prema učinkovitosti, postalo je očito da se višeslojni MobileNet_V2 klasifikator istaknuo kao najučinkovitiji od unaprijed pripremljenih modela dubokih konvolucijskih neuronskih mreža (CNN).
Ključne riječi
metoda dubokog učenja; konvolucijska neuronska mreža; MobileNet_V2; Inception_V3; ResNet_V2_50; drvene konstrukcije
Hrčak ID:
278445
URI
Datum izdavanja:
31.5.2022.
Posjeta: 985 *