Гибридный подход, основанный на глубоком извлечении признаков и классификации машинного обучения для обнаружения структурных повреждений в бетонных конструкциях

🎓 Научная статья: Гибридный ИИ для обнаружения повреждений в бетоне 🏗️ В сфере контроля качества строительных работ одной из ключевых задач является своевременное и точное обнаружение структурных повреждений в бетонных конструкциях. Представленное научное исследование предлагает гибридный подход, направленный на автоматизацию этого процесса с использованием методов искусственного интеллекта. Суть метода заключается в комбинации глубокого извлечения признаков и классификации с помощью машинного обучения. Для извлечения признаков из изображений или данных о состоянии конструкций применяются сверточные нейронные сети (CNN), способные выявлять сложные паттерны. Полученные признаки затем подаются на вход метода опорных векторов (SVM), который выполняет классификацию, определяя наличие и тип повреждений. Научная новизна работы состоит в эффективном сочетании этих двух подходов, что позволяет повысить точность и надежность обнаружения дефектов. Однако, как и для большинства систем, основанных на машинном обучении, эффективность данного решения может зависеть от качества и репрезентативности обучающих данных, необходимых для настройки моделей.