فهرست نشریات علمی دسترسی آزاد ایران

شناسایی و بررسی انواع ترک‏ها در سازه‏های بتنی یکی از موضوعات چالش‏برانگیز در حوزه مهندسی به شمار می‏رود. تشخیص چندشاخگی در ترک به دلیل اینکه موجب شناسایی سطوح شدت بالا در سازه‏های بتنی می‏شود، از اهمیت بسزایی برخوردار است. در این مقاله یک معماری جدید بر مبنای شبکه‏های عصبی کانولوشنی برای طبقه‏بندی ترک در سازه‏های بتنی ارائه گردید. معماری پیشنهادی در زمان کمتر و صحت بالاتر نسبت به سایر معماری‏های مرسوم و معتبر در یادگیری عمیق، چندشاخگی در ترک را شناسایی و طبقه‏بندی کرد. در این مقاله ترک‏های موجود در 12000 تصویر سازه‏های بتنی توسط الگوریتم پیشنهادی بررسی شدند که در نتیجه این تصاویر با صحت 99/3 درصد در دسته‏های تصاویر بدون ترک، تصاویر دارای ترک ساده و تصاویر دارای چندشاخگی در ترک طبقه‏بندی شدند. همچنین تحلیل ماتریس درهم‏ریختگی نشان از دقت 99/3 درصد و فراخوانی99/5 درصد داشت که تأییدی بر عملکرد مناسب الگوریتم پیشنهادی بود. آنالیز حساسیت الگوریتم ‏پیشنهادی نیز الزام وجود تناسب میان تعداد داده، تعداد نورون‏های لایه تماماً متصل، زمان اجرا و درصد صحت مورد انتظار با توجه به کابرد مسأله را نشان داد.