Vol.23, No.1, 2023, str. 31–37
UDK

Rešenja za otkrivanje prslina u građevinskoj konstrukciji na bazi veštačke inteligencije (AI) odnedavno čine moćni alati za primenu u složenim konstrukcijama, gde čovekove mogućnosti značajno zaostaju. Postupak otkrivanja prsline podrazumeva prikupljanje snimaka iz širokog raspona infrastrukturnih sistema koji poseduju različite karakteristike kao što su teksture, uslovi okruženja, stanje površina. U ovim postupcima se zahteva izuzetna robusnost u modelima za otkrivanje grešaka, radi procesiranja ovih raznovrsnih karakteristika. U ovom radu predstavljamo otkrivanje prsline u građevinskoj konstrukciji primenom klasifikacije snimaka u okruženju dubokog učenja (DL). Predloženo okruženje koristi reprezentativnu moć konvolucijskih slojeva Konvolucijske Neuronske Mreže (CNN), koja u suštini pravi izbor odgovarajućih osobina, a time, eliminiše potrebu za složenim postupkom ekstrakcije. Pored toga, preciznost u otkrivanju prsline se postiže putem datog okruženja u znatno kraćem vremenu izvršenja. Predloženi model se sastoji iz ukupno 36 slojeva sa 10 konvolucijskih i prelaznih povezanih slojeva. ReLU aktivacija i Batch Normalization (beč normalizacija) pored izdvojenih slojeva se nadograđuju radi bolje optimizacije modela. Baza podataka snimaka se sastoji iz 40 hiljada snimaka od 227×227 piksela RGB tipa. Snimci se automatski svode na 28×28 pre procesa treniranja kako bi mogli da stanu u ulazni sloj. Baza snimaka se deli na 80 % za treniranje i 20 % za testiranje. Predloženi model postiže tačnost u rasponu od 88,21 do 98,60 %. Predlažemo hardverski razvoj modela korišćenjem Raspberry Pi™.

Ključne reči: konvolucijske neuronske mreže, otkrivanje prsline, klasifikacija prsline, duboko učenje, ReLU aktivacija