Resumen

Los poros son imperfecciones superficiales que aparecen como pequeñas fosas y cráteres en la superficie de concreto después del proceso de colado. Los métodos de medición tradicionales se llevan a cabo mediante inspección manual in situ, y el proceso de detección es lento y difícil. En este documento se propuso un método basado en aprendizaje profundo para detectar poros en imágenes de superficies de concreto. Se desarrolló una red neuronal convolucional profunda para detectar poros en superficies de concreto, mediante la adición de módulos de inicio en la estructura tradicional de red convolucional para resolver el problema del tamaño relativamente pequeño de la imagen de entrada (2828 píxeles) y el número limitado de ejemplos etiquetados en el conjunto de entrenamiento (menos de 10K). Se consideraron los efectos del ruido, como la iluminación, sombras y combinaciones de varias imperfecciones superficiales diferentes en entornos del mundo real. A partir de los resultados de las pruebas de imagen, el propuesto DCNN tu

• Materias:Riostra Propiedades mecánicas Fracturación hidráulica Deformación de cimientos Cálculo de grietas
• Subjects:Brace Mechanical properties Hydraulic fracturing Foundation deformation Crack calculation
• Palabras claves:Huecos en el concreto; Superficie de concreto; Método basado en aprendizaje profundo; Red neuronal convolucional; Rendimiento de detección; Precisión de reconocimiento
• Keywords:Bugholes; Concrete surface; Deep-learning-based method; Convolutional neural network; Detection performance; Recognition accuracy