مرور و کاربرد روش یادگیری عمیق در طبقه بندی مصالح دانه ای بتن و خاک

روش پایه برای تعیین خصوصیات مهندسی خاک و سنگ دانه های بتن، طبقه بندی آن ها به روش مکانیکی آنالیز الک است که روندی زمان بر و گاهی پر هزینه دارد. در این مقاله با کاربرد روش پردازش تصویر مبتنی بر یادگیری عمیق، عملا نیاز به دخالت کاربر برای پردازش تصاویر به حداقل و سرعت و دقت طبقه بندی مصالح افزایش یافته است که این موضوع می تواند به افزایش بهره وری در پروژه ها کمک نماید. بدین منظور نمونه های مصالح از پروژه های مختلف در سطح شهر تهران جمع آوری شده و از آن ها عکس هایی در شرایط مشخص تهیه گردید. برای تعیین دقیق طبقه بندی مصالح، نمونه ها به روش آنالیز الک دانه‎ بدی شدند. با این اطلاعات، شبکه های یادگیری عمیق AlexNet و GoogleNet بررسی، تنظیم و آموزش داده شده اند. برای تعیین پارامترهای مدل از حساسیت سنجی استفاده شد. بر این اساس استفاده از حدود ۸۰-۹۰ درصد تصاویر گرفته شده برای آموزش مدل و سایر تصاویر برای بررسی دقت آن مناسب تشخیص داده شد. نتایج آنالیز نشان داد که با استفاده از این روش دقت صحت سنجی به حدود ۱۰۰% می رسد. همچنین درصد توانایی مدل برای شناسایی طبقه بندی تصاویر نمونه های جدید در حدود ۸۵% است. با افزایش داده های ورودی برای آموزش مدل می توان به دقتی به مراتب بالاتر نیز دست یافت.