先进的智能辅助增强社会互动和视力障碍者日常活动,使用深度学习与修改的海优化优化
Sana Alazwari1, Hussah Nasser AlEisa2, Mohammed Rizwanullah3,4
1Department of Information Technology, College of Computers and Information Technology, Taif University, P.O. Box 11099, Taif, 21944, Saudi Arabia. alazwari.s@tu.edu.sa.
Scientific reports
|May 13, 2025
概括
本研究介绍了一种使用修改的海优化器与集体学习 (ADD-MSGOEL) 方法的自动损害检测. 这种方法通过准确检测结构损伤,提高视力受损人士的环境意识.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 视障人士面临的挑战是获得实时环境信息,影响社会参与和日常活动.
- 基础设施,特别是桥梁,需要强大的损坏检测方法,以确保安全和寿命,利用结构健康监测和机器学习等技术.
- 当前的损害检测方法可能无法充分满足对视力受损者可访问的环境危险信息的需求.
研究的目的:
- 建议使用修改的海优化器与集体学习 (ADD-MSGOEL) 方法进行自动损坏检测.
- 通过提供对环境损害和危害的准确检测,增强视力障碍者的日常运作和社会参与.
- 提高对公共安全相关的基础设施损害检测的准确性和效率.
主要方法:
- 图像预处理使用对比限度自适应直方体平衡 (CLAHE) 来提高质量.
- 通过使用EfficientNet (DCBAM-EfficientNet) 的扩展卷积块注意模块进行特征提取,用于复杂的特征导出.
- 使用修改的海优化器 (MSGO) 优化DCBAM-EfficientNet参数,并使用长短期内存 (LSTM),双向门式反复单元 (BiGRU) 和Sparse自编码器 (SAE) 模型组合使用最终损害分类.
主要成果:
- 在CODEBRIM数据集上,ADD-MSGOEL技术在损伤检测方面取得了97.59%的卓越准确性.
- 实验验证表明,相对于现有模型,拟议方法在准确识别结构损坏方面具有较高的有效性.
- CLAHE,DCBAM-EfficientNet,MSGO和集体学习的综合方法证明了对强大的损害检测的有效性.
结论:
- ADD-MSGOEL方法在自动损伤检测方面取得了重大进展,对视力受损的人来说尤其有益.
- 通过这种方法准确及时检测环境危害,可以提高视力障碍者的安全性和独立性.
- 该研究强调了先进的机器学习和优化技术在创造辅助技术和确保基础设施完整性的潜力.
