كشف التشققات في المباني من خلال استخراج الميزات باستخدام التعلم العميق ونهج التعلم الآلي

المباني التي تحتوي على تشققات تشكل خطراً شديداً لأنها قد تؤدي إلى دمار. العديد من سكان الهياكل مثل المنازل والمباني يتعرضون للخطر عند ظهور التشققات. هناك العديد من التقنيات لتحديد الكسور في الهياكل، بما في ذلك الفحص البصري، واستخدام الأدوات، والفحص الخبير. الدراسة الحالية استخدمت الرؤية الحاسوبية، وهي شكل من أشكال الذكاء الاصطناعي، لاكتشاف التشققات في المباني. الهدف الرئيسي من هذا البحث هو بناء نموذج أولي قادر على مراقبة التشققات في جدران المباني في الوقت الحقيقي. هذا البحث يستخدم منهجية تجمع بين التعلم الآلي والتعلم العميق. يتم استخدام التعلم الآلي في عملية التصنيف، بينما يتم استخدام التعلم العميق لاستخراج الميزات. يستخدم هذا البحث MobileNetV2 كهيكل للتعلم العميق وK-NN وNaive Bayes وSVM وXGBoost وRandom Forest كمصنفات التعلم الآلي. تظهر نتائج الاختبار أنه عند تقسيم مجموعة البيانات بنسبة 80:20، يمكن لخوارزميات XGBoost تحقيق أعلى قيم للدقة والحساسية والنوعية تصل إلى 99%. تم إجراء اختبارات في البيئة الحقيقية باستخدام Raspberry Pi. تظهر نتائج الاختبار أن النموذج الأولي يمكنه اكتشاف التشققات على سطح البنية على بعد 10 أمتار في بيئة مضاءة جيداً. تتم عملية كشف التشققات في الوقت الحقيقي بسرعة متوسطة تبلغ 42 إطاراً في الثانية.