0907 文献阅读 Estimating workability of concrete with different strength grades based on deep learning
- 读论文
- 2023-09-07
- 76热度
- 0评论
● -1 abstract
● 提出了一种基于机器学习的自动化预测不同强度混凝土的方法
● 收集数据、建立2W个序列、建立强度模型
● 表明CNN\LSTM能够进行有效预测，既定目标实现
● 0 keywords
● deep learning
● workability
● slump
● slump flow
● convolutional neural network
● 1 introduction
● 预测混凝土的和易性意义重大
● 日常实验中的塌落度简单检测限制很大，在搅拌过程中就会有很大的不同，快速检测很有必要
●
● 其他专家学者的研究缺陷，过于依靠人类经验
● 深度学习是帮助找到现象背后规律的方法，CNN\RNN\LSTM，在土木工程中的广泛应用
● therefore 深度学习可以用来预测混凝土的和易性，需要收集大量的数据，本文的主要工作
● 1 混凝土和易性评价模型
● 2 采集数据和数据增强
● 3 数据划分、训练，实现预期目标
● section 1-5的主要内容
● 2 data prepration
● 总述本章架构及各章意义
● 2.1 data collection
● 2.1.1 experiment setup
●
● 2.1.2 video collection
●
●
● 2.1.3 test results
● TABEL 1-6
●
●
●
●
●
●
● 2.1.4 label image
●
● 2.2 data processing
● RGB转灰度图像
● 提取有用区域
●
● 调整区域大小
● 直方图均衡化处理
●
● 2.3 data enlarging
● 2.3.1 降采样
●
●
●
● 2.3.2 图像增强
●
●
● 2.4 data classification
● 训练集、验证集、测试集
●
● 3 methodology for concrete workability evaluation
● 3.1 structure of CNN
●
● 3.2 LSTM
●
● 3.3 model structure
●
● 4 results
● 4.1 testing results in each group
●
●
●
● 4.2 SL and SF prediction results
●
● 5 conclusions
● 总结+展望
