Las grietas en el hormigón son muy graves y potencialmente peligrosas. Los actuales métodos de aprendizaje automático presentan tres limitaciones obvias: baja tasa de reconocimiento, baja precisión y mucho tiempo. La detección mejorada de grietas basada en redes neuronales convolucionales puede detectar automáticamente si una imagen contiene grietas y marcar la ubicación de las mismas, lo que puede mejorar enormemente la eficacia de la monitorización. Los resultados experimentales muestran que el algoritmo de optimización Adam y el algoritmo de normalización por lotes (BN) pueden hacer que el modelo converja más rápidamente y alcanzar la máxima precisión del 99,71%.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Algoritmo de juego evolutivo para segmentación de imágenes
Artículo:
Evaluación multicriterio de los procesos de regeneración urbana: Una aplicación del método PROMETHEE en el norte de Italia
Artículo:
Algoritmos de aprendizaje de máquina para la predicción de propiedades fisicoquímicas del suelo mediante información espectral: una revisión sistemática
Artículo:
Detección de anomalías para la seguridad aérea basada en un algoritmo KPCA mejorado
Artículo:
Modelo de desarrollo basado en métricas de usabilidad para la construcción de aplicaciones móviles educativas
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala