Bilderkennung und Parameteranalyse des Betonschwingungszustandes auf Basis der Support Vector Machine

Das in dieser Arbeit beschriebene Protokoll verwendete die Technik des Richtungsgradientenhistogramms, um die Eigenschaften einer konkreten Bildprobe unter verschiedenen Schwingungszellen zu extrahieren. Es verwendet eine Support-Vektor-Maschine für maschinelles Lernen, was zu einer Bilderkennungsmethode mit minimalen Anforderungen an trainierte Proben und geringen Anforderungen an die Computerleistung führt. Dieser Ansatz reduziert die Anzahl der erforderlichen Stichproben erheblich und senkt die Anforderungen an die Computerleistung.

Mit einem Laptop-Äquivalent bei 2,3 Gigahertz Zentraleinheit schließt der Erkennungsprozess die Zugraumdifferenzierung der unterstützten Vektormaschine innerhalb von nur 50 Sekunden ab. Es wird die Bildsegmentierung unterhalb der Größe von 128 Projekten und 128 Projekten verwendet. Die Anzahl der Richtungsvektoren für die statistische Winkelumkehrung ist auf 12 festgelegt.

Im Bildprozess mit einer Auflösung von 224 wird das beste Erkennungsergebnis für maschinelles Lernen erreicht.