Belangrijkste concepten
新鮮コンクリートの流動性と強度特性を、コンクリート配合情報と立体カメラ画像を用いた深層学習により、時間経過とともに予測することができる。
Samenvatting
本研究では、新鮮コンクリートの性質を時間依存的に予測する手法を提案している。立体カメラで撮影したコンクリートの流動画像と配合情報を入力として、畳み込みニューラルネットワーク(CNN)を用いて、スランプ流動値、降伏応力、塑性粘度を予測する。
具体的には以下の通りである:
- 立体カメラで撮影した画像から、正射影画像、深度マップ、光流画像を生成し、これらに配合情報を加えて入力とする。
- 入力には、画像取得時刻と性質予測時刻の差を表す時間情報も含める。これにより、ネットワークが時間経過に伴う性質の変化を暗黙的に学習できる。
- 5分割交差検証を行い、スランプ流動値、降伏応力、塑性粘度の予測精度を評価した。
- 画像情報と配合情報を組み合わせることで、画像情報のみの場合に比べて予測精度が向上することが示された。
- 同一コンクリートの複数の予測結果を平均することで、さらに精度が向上した。
- 提案手法により、コンクリート練混ぜ中に新鮮コンクリートの性質を時間経過とともに予測できるようになり、品質管理に活用できる可能性がある。
Statistieken
コンクリートのスランプ流動値は30.0 cmから63.5 cmの範囲にあった。
降伏応力は65.84 Paから585.40 Paの範囲にあった。
塑性粘度は19.76 Pa·sから121.91 Pa·sの範囲にあった。
画像取得時刻と性質予測時刻の差は-49.88分から87.16分の範囲にあった。