%0 Journal Article %T مرور و کاربرد روش یادگیری عمیق در طبقه‌بندی مصالح دانه‌ای بتن و خاک %J مصالح و سازه های بتنی %I انجمن علمی بتن ایران %Z 2538-5828 %A قطبی, سید محمدامین %A پورلک, مهیار %A اسماعیلی, مرتضی %D 2021 %\ 05/22/2021 %V 6 %N 1 %P 87-103 %! مرور و کاربرد روش یادگیری عمیق در طبقه‌بندی مصالح دانه‌ای بتن و خاک %K طبقه‌بندی مصالح %K خاک و سنگ‌دانه بتن %K پردازش تصویر %K یادگیری عمیق %R 10.30478/jcsm.2021.281654.1203 %X روش‌ پایه برای تعیین خصوصیات مهندسی خاک و سنگ‌دانه‌های بتن، طبقه‌بندی آن‌ها به روش مکانیکی آنالیز الک است که روندی زمان‌بر و گاهی پر هزینه دارد. در این مقاله با کاربرد روش پردازش تصویر مبتنی بر یادگیری عمیق، عملاً نیاز به دخالت کاربر برای پردازش تصاویر به حداقل و سرعت و دقت طبقه‌بندی مصالح افزایش یافته است که این موضوع می‌تواند به افزایش بهره‌وری در پروژه‌ها کمک نماید. بدین منظور نمونه‌های مصالح از پروژه‌های مختلف در سطح شهر تهران جمع‌آوری شده و از آن‌ها عکس‌هایی در شرایط مشخص تهیه گردید. برای تعیین دقیق طبقه‌بندی مصالح، نمونه‌ها به روش آنالیز الک دانه‎‌بدی شدند. با این اطلاعات، شبکه‌های‌ یادگیری عمیق AlexNet و GoogleNet بررسی، تنظیم و آموزش داده شده‌اند. برای تعیین پارامترهای مدل از حساسیت‌سنجی استفاده شد. بر این اساس استفاده از حدود 80-90 درصد تصاویر گرفته شده برای آموزش مدل و سایر تصاویر برای بررسی دقت آن مناسب تشخیص داده شد. نتایج آنالیز نشان داد که با استفاده از این روش دقت صحت‌سنجی به حدود 100% می‌رسد. همچنین درصد توانایی مدل برای شناسایی طبقه‌بندی تصاویر نمونه‌های جدید در حدود 85% است. با افزایش داده‌های ورودی برای آموزش مدل می‌توان به دقتی به مراتب بالاتر نیز دست یافت. %U https://www.jcsm.ir/article_135315_56edcf51d97cac3f2124930218f554d5.pdf