コンクリートの時間依存性を考慮した深層学習による新鮮コンクリートの性質の予測

Główne pojęcia

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。

Streszczenie

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。

Statystyki

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。

Cytaty

なし

Kluczowe wnioski z

Image-based Deep Learning for the time-dependent prediction of fresh concrete properties

by Max Meyer,Am... o arxiv.org 04-16-2024

https://arxiv.org/pdf/2402.06611.pdf

Głębsze pytania

コンクリートの配合設計を変更することで、時間経過に伴う性質の変化をどのように制御できるか?

コンクリートの配合設計を変更することで、時間経過に伴う性質の変化を制御することが可能です。例えば、特定の化学添加剤を使用してコンクリートの流動性を時間とともに調整することができます。このような添加剤を使用することで、コンクリートの性質が時間とともに変化するパターンを制御し、望ましい性質を維持することができます。さらに、配合設計に含まれる材料の種類や濃度を調整することで、コンクリートの硬化速度や強度などの性質を時間的に管理することが可能です。このようなアプローチによって、コンクリートの性質を時間経過に合わせて最適化し、施工時の品質を向上させることができます。