هر زلزله، مجموعهای از دادهها را از خود به جا میگذارد. این دادهها در ترکهای بتن، پوستهشدن پوشش بتنی و میلگردهای نمایانشده ثبت میشوند. برای دههها، این اطلاعات را با چشمان خودمان بررسی کردهایم؛ بازرسان به محل اعزام میشوند و آسیبها را ستونبهستون ثبت میکنند. پویا ح. خسروی (که در برخی از آثار علمی با نام Pouya Khosravi Hajivand نیز منتشر شده است)، مهندس زلزله با تمرکز بر ارزیابی لرزهای، معتقد است که میتوان این فرایند را یک گام فراتر برد.
پاسخ را میتوان در نقطه تلاقی بینایی ماشین و یادگیری ماشین جستوجو کرد؛ جایی که الگوریتمها نهتنها برای دیدن ترکها، بلکه برای درک معنای آنها از دیدگاه ایمنی سازه آموزش داده میشوند.
فراتر از شمارش پیکسلها
روشهای متداول مبتنی بر تصاویر، لزوماً پاسخ مسئله اصلی را ارائه نمیکنند. آنها میتوانند مشخص کنند ترکها کجا قرار دارند و چه عرضی پیدا کردهاند. اما یک مهندس زلزله به اطلاعات عمیقتری نیاز دارد: این ستون چه مقدار از مقاومت و سختی خود را از دست داده است؟
یک ترک مورب منفرد در نزدیکی پای ستون میتواند معنایی کاملاً متفاوت از شبکهای از ترکهای ظریف خمشی در سراسر سطح ستون داشته باشد؛ حتی اگر مساحت پوششدادهشده توسط هر دو الگو تقریباً مشابه باشد. شمارش پیکسلها داستان سازهای پشت این الگو را از دست میدهد؛ اما تشخیص الگو میتواند این اطلاعات را آشکار کند.
چرا این موضوع اکنون اهمیت دارد؟
پس از وقوع یک زلزله شدید، تیمهای ارزیابی باید با هزاران ساختمان مواجه شوند و در مدت کوتاهی مشخص کنند کدام ساختمانها برای ورود ایمن هستند. فرایند فعلی، یعنی بازرسی بصری توسط مهندسان مختلف، زمانبر است و میتواند تحت تأثیر قضاوت فردی قرار گیرد و نتایج متفاوتی میان بازرسان ایجاد کند.
بینایی ماشین و یادگیری ماشین، در صورت استفاده از طریق دوربین تلفن همراه یا تصاویر پهپاد، میتوانند این فرایند را به شکل قابلتوجهی سریعتر کنند. همانطور که الگوریتمها میتوانند یک گربه را در یک تصویر شناسایی کنند، میتوانند برای شناسایی یک ستون بحرانی از نظر شکست برشی نیز آموزش داده شوند؛ و حتی یک گام فراتر بروند و شدت آسیب را در قالب شاخصهای مهندسی تخمین بزنند.
اتصال نقاط
این پژوهش در زمینه ارزیابی لرزهای پس از زلزله، مستقیماً با مسیر گستردهتر پژوهشی من در حوزه پایش سلامت سازهای و مقاله مروری منتشرشده در اوایل سال جاری در Journal of Advances in Bridge Engineering ارتباط دارد. چه در حال تحلیل یک ستون منفرد باشیم و چه یک شبکه حسگری روی یک پل دهانهبلند، اصل اساسی یکسان است: ساختار را از دل داده استخراج کنیم و داده را به تصمیم تبدیل کنیم.
اگر در زمینه ارزیابی سازه، پایش زیرساختها یا کاربرد یادگیری ماشین در مهندسی عمران فعالیت میکنید، خوشحال میشوم با شما در ارتباط باشم. با من در تماس باشید.
گفتگو
0 نظرلطفا وارد حساب شوید تا به تبادل نظر بپردازید.
هنوز گفتگویی انجام نشده
نخستین نفر باشید که نظرهای خود را به اشتراک میگذارد!