ty -jour a2 -Morabito，Francesco Carlo au -le，Tien -Thinh au -Nguyen，van -hai au -le，Minh Vuong Py -2021 DA -2021/03/26 TI-开发深度学习模型，以识别认识的认识混凝土表面上的裂纹SP -8858545 VL -2021 AB-本文致力于开发基于深度学习的模型，以检测混凝土表面上的裂缝裂缝。开发的图像分类模型基于DL卷积神经网络（CNN）。为了训练和验证CNN模型，从可用文献中收集了一个包含40,000张混凝土表面（带有和没有裂纹）的数据库。考虑了混凝土表面上的几个条件，例如照明和表面饰面（即暴露，抹灰和油漆）。采用了各种误差测量标准，例如准确性，精度，召回，特异性和F1得分，用于访问开发模型的质量。结果表明，对于培训数据集（占数据库的50％），精度，召回，特异性，F1得分和准确性分别为99.5％，99.8％，99.5％，99.7％和99.7％。另一方面，对于验证数据集，精确度，召回，特异性，F1得分和准确性分别为96.5％，98.8％，96.6％，97.7％和97.7％。因此，开发的CNN模型可能被认为是有效的，因为它使用测试数据很好地执行了裂纹的分类。还可以确定开发的基于DL的模型是强大而有效的，因为它可以考虑混凝土表面上的不同条件。 The CNN model developed in this study was compared with other works in the literature, showing that the CNN model could improve the accuracy of image classification, in comparison with previously published results. Finally, in further work, such model could be combined with Unmanned Aerial Vehicles (UAVs) to increase the productivity of concrete infrastructure inspection. SN - 1687-9724 UR - https://doi.org/10.1155/2021/8858545 DO - 10.1155/2021/8858545 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi KW - ER -