دراسة تأثير المعالجة المسبقة للصور على أداء الشبكة العصبونية التلافيفية في تصنيف صور التصدعات الخرسانية

المؤلفون

  • ماهر علي إبراهيم قسم هندسة تكنولوجيا المعلومات-كلية هندسة تكنولوجيا المعلومات والاتصالات-جامعة طرطوس
  • جيانا جمال حسن قسم هندسة تكنولوجيا المعلومات-كلية هندسة تكنولوجيا المعلومات والاتصالات-جامعة طرطوس

الكلمات المفتاحية:

الشبكة العصبونية الالتفافية، معادلة المدرج التكراري التكيفي، المرشح الثنائي، الخرسانة، التنعيم الغاوسي، الترشيح المتماثل.

الملخص

تعتبر الشبكات العصبونية التلافيفية (Convolutional Neural Networks CNN) من أبرز نماذج التعلم العميق، ومن أهم المجالات التي تم العمل عليها في الآونة الأخيرة هي رصد العيوب والتصدعات في المنشآت الخرسانية، ونظراً لأهمية مرحلة التحضير الأولي للبيانات قبل مرحلة تدريب الشبكة، تهدف هذه الدراسة إلى تقييم تأثير المعالجة المسبقة للصور على أداء نموذج CNN في تصنيف صور الخرسانة.

تم استخدام مجموعة بيانات متاحة للباحثين لصور الخرسانة في المباني وإنشاء نموذج شبكة عصبونية التفافية CNN من أجل تصنيف صور الخرسانة إلى فئتين: متصدعة (Cracked C) وغير متصدعة
(Un Cracked UC)، وتم تدريب النموذج على هذه البيانات بعد إخضاعها للعديد من عمليات المعالجة المسبقة.

تم تدريب الشبكة لمدة 10 epochs وتم إدخال الصور إلى الشبكة التلافيفية وفق أربعة إدخالات بشكل منفصل بحيث تم تدريب أربع نماذج سيتم تفصيلها لاحقاً، بلغت دقة الاختبار للنماذج الأربعة على التوالي (97.10%، 95%، 97.15%، 96.35%) وبينت النتائج أن تقنيات المعالجة البسيطة مثل التحويل إلى تدرجات الرمادي و التنعيم الغاوسي قدمت أفضل أداء لأنها تحافظ على السمات الأصلية للتصدعات، أما الطرق المعقدة مثل المرشح الثنائي ومعادلة المدرج التكراري التكيفي و الترشيح المتماثل أدت إلى تشويه التفاصيل الدقيقة للصدع أو تضخيم الضوضاء.

التنزيلات

منشور

2026-10-29