文献

J-GLOBAL ID：202202245501356039   整理番号：22A1029050

マルチスケール軽量構造化データアルゴリズムに基づくフェアフェーシングコンクリート研究の色収差同定【JST・京大機械翻訳】

Chromatic Aberration Identification of Fair-Faced Concrete Research Based on Multi-Scale Lightweight Structured Data Algorithm

著者 (8件)： Yao Gang (1School of Civil Engineering, Chongqing University, Chongqing, China) ,  Yao Gang (2Key Laboratory of New Technology for Construction of Cities in Mountain Area, Ministry of Education, Chongqing, China) ,  Sun Wentong (1School of Civil Engineering, Chongqing University, Chongqing, China) ,  Yang Yang (1School of Civil Engineering, Chongqing University, Chongqing, China) ,  Yang Yang (2Key Laboratory of New Technology for Construction of Cities in Mountain Area, Ministry of Education, Chongqing, China) ,  Sun Yujia (1School of Civil Engineering, Chongqing University, Chongqing, China) ,  Xu Liangjin (1School of Civil Engineering, Chongqing University, Chongqing, China) ,  Zhou Jian (1School of Civil Engineering, Chongqing University, Chongqing, China)
資料名： Frontiers in Materials (Web)  (Frontiers in Materials (Web))
巻： 9  ページ： 851555  発行年： 2022年 
JST資料番号： U7077A  ISSN： 2296-8016  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 色収差は,フェアフェードコンクリート(FFC)の外観における品質欠陥の1つである。応用される主に表面色収差同定(CAI)法は手動観察であり,主観的で時間がかかる。本論文では,FFCにおけるCAIのためのマルチスケール軽量構造化データアルゴリズム(MSLSDA)を提案した。無人航空機(UAV)を画像取得のために使用する。2368のFFCサンプル画像を収集し,データセットを構築した。FFC色収差特徴を,色収差サンプル定量分析を達成するために,改良残差ネットワーク畳込みニューラルネットワーク(CNN)フレームワークによって同定する。この原稿で提案された方法は,一般化予測セットによって異なる建築サンプルのためのMSLSDAの一般化予測能力を検証することができる。結果は,CAIサンプルと色収差一般化予測サンプルにおける精度が,それぞれ92.1と99.6%を達成できることを示した。色空間変換,ヒストグラム等化,画像色認識,画像雑音低減,および画像マスクアルゴリズムによって構築されたFFC色収差検出プラットフォーム(FFC-CADP)は,境界特徴,幾何学的パラメータ特徴(長さと幅),色収差比特徴,全色収差比,および色収差の数を計算することができる。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *色収差 ,  最適化 ,  ネットワーク ,  定量分析 ,  残差 ,  長さ ,  無人機 ,  色彩知覚 ,  雑音低減
準シソーラス用語： 画像入力 ,  *マルチスケール ,  予測能力 ,  ヒストグラム等化 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチスケール特徴融合 ,  構造化データアルゴリズム ,  フェアフェースコンクリート色収差 ,  アルゴリズムハイパーパラメータ最適化 ,  軽量アルゴリズム

分類 (1件)： 光の像形成  (BD03050I)

引用文献 (30件)：

• AbouhamadM., DawoodT., JabriA., AlsharqawiM., ZayedT. (2017). Corrosiveness Mapping of Bridge Decks Using Image-Based Analysis of Gpr Data. Automation in Construction 80, 104-117. doi: 10.1016/j.autcon.2017.03.004
• Ajtayné KárolyfiK., PappF. (2021). Laboratory Study of the Effect of Saturation Degree on Quality of Fair-Faced concrete Surfaces. Epitoanyag - JSBCM 73, 115-118. doi: 10.14382/epitoanyag-jsbcm.2021.17
• ChaY.-J., ChoiW., BüyüköztürkO. (2017). Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks. Computer-Aided Civil Infrastructure Eng. 32, 361-378. doi: 10.1111/mice.12263
• ChangH. L., JinZ. Q., WangP. G., WangJ. H., LiuJ. (2021). Comprehensive Resistance of Fair-Faced concrete Suffering from Sulfate Attack under marine Environments. Construction Building Mater. 277, 122312. doi: 10.1016/j.conbuildmat.2021.122312
• ChenM., TangY., ZouX., HuangK., LiL., HeY. (2019). High-Accuracy Multi-Camera Reconstruction Enhanced by Adaptive Point Cloud Correction Algorithm. Opt. Lasers Eng. 122, 170-183. doi: 10.1016/j.optlaseng.2019.06.011

タイトルに関連する用語 (6件)： マルチスケール ,  軽量構造 ,  アルゴリズム ,  研究 ,  色収差 ,  同定