Geometrical digital twins of masonry structures for documentation and structural assessment using machine learning
Geometrical digital twins of masonry structures for documentation and structural assessment using machine learning
复制标题
砖石结构的几何数字孪生体，用于使用机器学习进行记录和结构评估
DOI：
10.1016/j.engstruct.2022.115256
复制
发表时间：
2023
影响因子：
5.5
通讯作者：
Loverdos D
中科院分区：
文献类型：
--
作者：
Loverdos D
砌体结构的数值模型的生成是一个及时和昂贵的过程，因为它需要大量的小颗粒的离散化。同样，传统的目视检查涉及对砌体结构上的每个元素的谨慎考虑。在这两种情况下，每个砖元素都需要单独考虑。本文档中介绍的工作旨在缓解使用计算机视觉和卷积神经网络（CNN）记录单个砌体单元和结构裂缝所产生的问题。特别是，第一次开发了一个动态的工作流程，其中自动检测砌体结构中的砌体单元和裂缝，并用于开发一个完整的几何数字双胞胎。其结果是一个集合的空间坐标和几何对象，代表砌体结构实体，并允许文件和结构评估的对象的理解。建筑、结构和结构分析模型之间的这种互操作性为使用工程为我们现有的基础设施创造更智能、更安全、更可持续的未来铺平了道路。
The generation of numerical models for masonry structures is a timely and costly procedure since it requires the discretization of a large quantity of smaller particles. Similarly, traditional visual inspection involves the cautious consideration of each element on a masonry construction. In both cases, each brick element needs to be considered individually. The work presented in this document aims to alleviate the issues arising from documenting individual masonry units and cracks on a structure using computer vision and convolutional neural networks (CNN). In particular, for the first time a dynamic workflow has been developed in which masonry units and cracks in masonry structures are automatically detected and used for the development of a complete geometric digital twin. The outcome is a collection of space coordinates and geometrical objects that represent the masonry fabric entity and allow the comprehension of the object for documentation and structural assessment. This interoperability between architectural, structural, and structural analysis models paves the way to use engineering to create a smarter, safer, and more sustainable future for our existing infrastructures.
登录
查看更多内容
一种基于图像处理的创新框架，用于裂缝砌体结构的数值建模
影响因子：
10.3
作者：
Dimitrios Loverdos;V. Sarhosis;E. Adamopoulos;A. Drougkas
通讯作者：
A. Drougkas
增强热成像图像作为地震工程结构分析的工具
影响因子：
4.2
作者：
F. Cluni;D. Costarelli;A. Minotti;G. Vinti
通讯作者：
G. Vinti
影响因子：
6.4
作者：
Hatir, Mehmet Ergun;Ince, Ismail
通讯作者：
Ince, Ismail
影响因子：
5.5
作者：
T. Forgács;V. Sarhosis;K. Bagi
通讯作者：
K. Bagi
量化几何不确定性对直接测量和运动结构 (SfM) 摄影测量开发的拱结构行为的影响
影响因子：
5.5
作者：
N. Kassotakis;V. Sarhosis;M. Peppa;J. Mills
通讯作者：
J. Mills