用SCB方法和深度学习评估SBS聚合物的青抗裂性能
Erkut Yalcin1, Mehmet Yilmaz1, Fatih Demir2
1Civil Engineering Department, Engineering Faculty, University of Firat, Elazig, Turkey.
Heliyon
|November 5, 2024
概括
本研究介绍了一种人工智能支持的图像处理方法,使用注意力SegNet来自动检测青上的裂. 添加 styrene-butadiene-styrene (SBS) 提高了骨折性能,其中4%的SBS显示出最佳结果.
科学领域:
- 材料科学 材料科学 材料科学
- 土木工程 土木工程是指土木工程.
- 人工智能的人工智能
背景情况:
- 由于裂而导致的高速公路恶化是一个重大问题.
- 人工智能为基础设施监控提供先进的解决方案.
- 图像处理技术对于分析材料故障至关重要.
研究的目的:
- 开发一种使用人工智能用于青的自动裂检测方法.
- 为了研究 styrene-butadiene-styrene (SBS) 修改对青断裂性能的影响.
- 评估温度和添加剂比对裂检测精度的影响.
主要方法:
- 热混合青标本被修改为2%,3%和4%的SBS.
- 半圆形曲 (SCB) 试验用于评估断裂特性.
- 注意:SegNet架构用于图像分割和裂检测.
主要成果:
- 添加SBS提高了断裂强度和最大负载,4%的SBS产生了最高的性能.
- 关注SegNet模型在裂检测方面实现了高准确度和精度.
- 裂纹检测准确度随温度变化,在高温下显示出更高的性能.
结论:
- 基于AI的图像处理与注意力SegNet是有效的青裂检测.
- 修改SBS增强了青的机械性能和抗裂性能.
- 优化添加剂含量和考虑温度是准确评估裂的关键.
