摘要
近年、深層ニューラルネットワークとコンピュータビジョン技術は構造健康モニタリングにおいてますます重要な役割を果たしています。無人航空機による橋梁斜張索の損傷画像データを活用し、深層学習技術に基づく斜張索PE被覆損傷認識手法を研究しました。低演算能力のデバイス上で大スパン橋梁の斜張索表面の局所損傷を知的かつ迅速に認識するために、従来の深層畳み込みニューラルネットワークの計算効率の低さやモデルパラメータの大規模さの問題を解決するために、軽量化処理を施した領域推薦型畳み込みニューラルネットワークモデルを提案しました。領域推薦ネットワークとその軽量化改良方法の理論的基礎を紹介し、軽量化モデル処理の必要性を分析し、認識精度を保証しつつモデルの訓練および予測のためのデバイス性能要件を低減し、計算資源と時間を節約することを目的とすることを説明しました。データ拡張などの多様な手法を通じて損傷サンプルデータ不足問題を解決し、対照実験を設定し、統計的分析結果により軽量化ニューラルネットワークモデルの優位性を検証しました。結果は、軽量化ネットワークがわずかな認識精度の犠牲を前提にモデルの複雑性と計算量を大幅に改善でき、工学応用においてニューラルネットワークの実用性を効果的に拡大できることを示しています。
关键词
橋梁斜張索;知能損傷認識;軽量化ニューラルネットワーク;コンピュータビジョン;深層学習
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website