کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6679571 1428032 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting healthy concrete surfaces
ترجمه فارسی عنوان
تشخیص سطوح بتونی سالم
کلمات کلیدی
بازرسی پل، تشخیص نقص، بازرسی اتوماتیک پل بتن سالم،
ترجمه چکیده
تیم های مهندس از نظر بصری بیش از نیمی از میلیون پل در سال در ایالات متحده و اتحادیه اروپا بازرسی می شوند. شواهد واضحی وجود دارد که نشان می دهد که آنها نمی توانند مطابق تمام الزامات راهنمایی بازرسی پل به دلیل ترکیبی از سطح جزئیات مورد انتظار، مدت زمان محدود موجود و مساحت سطح پل ها بررسی شود. روشهای پیشنهادی برای حل این مشکل از طریق شناسایی آسیب در اطلاعات بصری پیشنهاد شده است، با این حال، میزان بازرسی همچنان بالا است. این مقاله یک روش برای مقابله با این مشکل را با شناسایی (و نادیده گرفتن) مناطق بتونی سالم که بیش از 80 تا 90 درصد از کل مساحت را تشکیل می دهند پیشنهاد می کند. اصالت این کار در برش و ادغام متد است که قادر به پردازش پی در پی از بافت های سطح با رزولوشن بالا با حالت طبقه بندی هنری برای تشخیص بین بافت سطحی سالم و بالقوه ناسالم است. سپس اپراتورهای مورفولوژیکی برای تولید یک ماسک رسانهای استفاده میشوند تا نتایج طبقه بندی در بافت سطح را برجسته کنند. مجموعه آموزش و تایید شامل 1028 عکس از پایگاه های بازرسی پل های متعدد وزارت حمل و نقل و جمع آوری داده ها از 10 پل بزرگراه در اطراف کمبریج است. روش ارائه شده یک فضای جستجو را برای یک بازرس 90.1٪ با ریسک گم شدن پچ نقص 8.2٪ به دست می آورد. این کار برای بازرسان پل بسیار مهم است زیرا آنها اکنون می توانند زمان بیشتری را در ارزیابی مناطق سطح بالایی ناسالم به جای جستجوی این سوزن ها در یک بیل کلینکر سطحی عمدتا سالم صرف کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص سطوح بتونی سالم
چکیده انگلیسی
Teams of engineers visually inspect more than half a million bridges per year in the US and EU. There is clear evidence to suggest that they are not able to meet all bridge inspection guideline requirements due to a combination of the level of detail expected, the limited time available and the large area of bridge surfaces to be inspected. Methods have been proposed to address this problem through damage detection in visual data, yet the inspection load remains high. This paper proposes a method to tackle this problem by detecting (and disregarding) healthy concrete areas that comprise over 80-90% of the total area. The originality of this work lies in the method's slicing and merging to enable the sequential processing of high resolution bridge surface textures with a state of the art classifier to distinguish between healthy and potentially unhealthy surface texture. Morphological operators are then used to generate an outline mask to highlight the classification results in the surface texture. The training and validation set consists of 1028 images taken from multiple Department of Transportation bridge inspection databases and data collection from ten highway bridges around Cambridge. The presented method achieves a search space reduction for an inspector of 90.1% with a risk of missing a defect patch of 8.2%. This work is of great significance for bridge inspectors as they are now able to spend more time on assessing potentially unhealthy surface regions instead of searching for these needles in a mainly healthy concrete surface haystack.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advanced Engineering Informatics - Volume 37, August 2018, Pages 150-162
نویسندگان
, ,