使用深度学习对纤维增强混凝土三维图像中的裂缝进行分割
机器学习
2025-01-31 v1
摘要
混凝土结构中的裂缝非常常见，并且是这种非均质材料的一个组成部分。由标准化测试引起的裂缝特征提供了关于测试混凝土配方及其力学性能的有价值信息。观察混凝土结构表面的裂缝会留下大量未使用的结构信息。计算机断层扫描可以在不干扰或破坏微观结构的情况下观察样品。重建的断层图像是三维图像，由体素组成，其灰度值代表局部X射线吸收。为了识别属于裂缝的体素，即分割图像中的裂缝结构，需要开发适当的算法。卷积神经网络已知在给定足够且一致的训练数据时能很好地解决这类任务。我们改编了著名的U-Net的3D版本，并在带有模拟裂缝结构的真实混凝土样品的半合成三维图像上进行了训练。这里，我们解释了一般方法。此外，我们展示了如何教会网络检测不同类型真实混凝土（特别是纤维增强混凝土）的三维图像中的真实裂缝系统。
引用
@article{arxiv.2501.18405,
title = {Segmentation of cracks in 3d images of fiber reinforced concrete using deep learning},
author = {Anna Nowacka and Katja Schladitz and Szymon Grzesiak and Matthias Pahn},
journal= {arXiv preprint arXiv:2501.18405},
year = {2025}
}