通过理想气体分子动态的修改设计,优化深度信念网络以检测混凝土裂
Tan Qin1, Gongxing Yan2,3, Huaguo Jiang1,4
1School of Intelligent Construction, Luzhou vocational and technical college, Luzhou, 646000, Sichuan, China.
Scientific reports
|March 18, 2025
概括
这项研究引入了使用理想气体分子运动 (MIGMM) 进行精确的混凝土裂检测的优化深度信念网络 (DBN). 通过先进的图像分析,DBN/MIGMM模型显著改善了结构完整性的评估.
科学领域:
- 土木工程 土木工程是指土木工程.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 混凝土结构容易发生裂,损害结构完整性和寿命.
- 早期发现和修复裂对于确保建筑物的安全性和性能至关重要.
- 基于视觉的裂诊断使用人工智能为自动化评估提供了一个有希望的方法.
研究的目的:
- 开发和评估一个优化的深度神经网络 (DNN),用于在混凝土结构中准确的裂诊断.
- 通过将深度信念网络 (DBN) 与一种新的优化技术 - - 理想气体分子运动 (MIGMM) - - 结合起来,增强裂纹检测能力.
- 将拟议的DBN/MIGMM模型的性能与现有最先进的方法进行比较.
主要方法:
- 使用理想气体分子运动 (MIGMM) 优化算法开发了一个优化的深度信念网络 (DBN).
- DBN模型得到了微调,其分类层被修改为二进制输出 (裂/无裂),图像数据集得到了增强.
- 具体图像的数据集被分类为"裂"或"无裂",用于培训和验证.
主要成果:
- DBN/MIGMM模型实现了高性能指标:90.189%的准确性,94.502%的特异性,94.586%的精度,94.529%的回忆力和88.093%的F1得分.
- 拟议的模型与FCN,YOLO,CrackSegNet,CNN和CedNet等既定方法相比,表现出更高的性能.
- 优化的DBN模型在准确检测和分类混凝土裂方面非常有效.
结论:
- DBN/MIGMM模型代表了基于视觉的混凝土结构裂诊断的重大进步.
- 这种方法为识别结构缺陷提供了可靠和有效的解决方案,有助于改善基础设施维护.
- 该研究验证了MIGMM优化技术在提高裂纹检测应用中的DNN性能方面的有效性.
