Deterioration Assessment of Infrastructure Using Fuzzy Logic and Image Processing Algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The safety and serviceability of civil infrastructures have to be ensured either as part of a periodic inspection program or immediately following a given hazardous event. The use of digital imaging techniques to identify the deformed or deteriorated surfaces of structures is a substantial area of research and aims to investigate a number of unknown parameters, including damage quantification and condition rating. This manuscript illustrates the integration of previously developed fuzzy logic–based decision-making tools with the currently developed image processing algorithm to quantify the damage for the condition rating of civil infrastructures. The proposed integrated framework exploits visual specifics of different elements of the infrastructure to perform automated evaluation of structural anomalies such as cracks and surface degradation. Two different image segmentation tools, (1) bottom hat transform and (2) hue, saturation, color (HSV) thresholding, are applied to identify the surface defects. The developed image processing software is used with the fuzzy set framework proposed in the previous research to gauge the damage indices due to various deterioration types like corrosion, alkali aggregate reaction, freeze–thaw attack, sulfate attack, acid attack or loading, fatigue, shrinkage, and honeycombing. Case studies of a long-span bridge and a warehouse building are illustrated for concept validation. The refined comprehensive method is presented as a graphical user interface (GUI) to facilitate the real-time condition assessment of civil infrastructures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle