論文の概要: Image-based Deep Learning for the time-dependent prediction of fresh concrete properties

• arxiv url: http://arxiv.org/abs/2402.06611v1
• Date: Fri, 9 Feb 2024 18:42:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-12 15:36:44.637155
• Title: Image-based Deep Learning for the time-dependent prediction of fresh concrete properties
• Title（参考訳）: イメージベース深層学習によるフレッシュコンクリート特性の時間依存性予測
• Authors: Max Meyer, Amadeus Langer, Max Mehltretter, Dries Beyer, Max Coenen, Tobias Schack, Michael Haist, Christian Heipke
• Abstract要約: 本稿では, 立体画像系列に基づく混合過程において, 新鮮なコンクリートの特性を予測できることを示す。 この予測には畳み込みニューラルネットワーク(CNN)が使用され、ミックスデザインの情報によって支持される画像を入力として受信する。 混合設計の情報によって支援された深度と光学的流れの画像に基づくアプローチが,最良の結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.5235143203977017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasing the degree of digitisation and automation in the concrete production process can play a crucial role in reducing the CO$_2$ emissions that are associated with the production of concrete. In this paper, a method is presented that makes it possible to predict the properties of fresh concrete during the mixing process based on stereoscopic image sequences of the concretes flow behaviour. A Convolutional Neural Network (CNN) is used for the prediction, which receives the images supported by information on the mix design as input. In addition, the network receives temporal information in the form of the time difference between the time at which the images are taken and the time at which the reference values of the concretes are carried out. With this temporal information, the network implicitly learns the time-dependent behaviour of the concretes properties. The network predicts the slump flow diameter, the yield stress and the plastic viscosity. The time-dependent prediction potentially opens up the pathway to determine the temporal development of the fresh concrete properties already during mixing. This provides a huge advantage for the concrete industry. As a result, countermeasures can be taken in a timely manner. It is shown that an approach based on depth and optical flow images, supported by information of the mix design, achieves the best results.
• Abstract（参考訳）: コンクリート生産プロセスにおけるデジタル化と自動化の度合いの増大は、コンクリート生産に関連するCO$_2$排出を削減する上で重要な役割を果たす。 本稿では, コンクリートの流動挙動の立体画像シーケンスに基づいて, 混合過程における新鮮なコンクリートの特性を予測できる手法を提案する。 この予測には畳み込みニューラルネットワーク(cnn)が用いられ、ミックスデザインに関する情報が支持する画像を入力として受信する。 また、ネットワークは、画像が撮影された時間と、コンクリートの基準値が実行される時間との時間差の形で、時間情報を受け取る。 この時間的情報を用いて、ネットワークはコンクリート特性の時間依存的な振る舞いを暗黙的に学習する。 ネットワークはスランプ流径, 降伏応力, 塑性粘度を予測する。 時間依存予測は、混合中のフレッシュコンクリートの特性の時間的発達を決定する経路を開く可能性がある。 これはコンクリート産業にとって大きな利点となる。 その結果、タイムリーに対策を取ることができる。 混合設計の情報によって支援された深度と光学的流れの画像に基づくアプローチが,最良の結果が得られることを示す。

関連論文リスト

• Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
  残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。 本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:36:24Z)
• TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
  時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。 本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
  論文  参考訳（メタデータ） (2024-02-04T13:10:51Z)
• Sustainable Concrete via Bayesian Optimization [4.149122595744125]
  地球規模の二酸化炭素排出量の8%はセメントの生産による可能性がある。 そのため、低炭素コンクリート公式の発見は持続可能性にとって非常に重要である。
  論文  参考訳（メタデータ） (2023-10-27T17:25:12Z)
• Probabilistic selection and design of concrete using machine learning [0.0]
  機械学習を用いて信頼性の高いプロパティ予測を行うことで、コンクリートのパフォーマンスベースの仕様作成が容易になる。 本研究では, 炭素化に対する耐性が高いコンクリートの混合物と, 環境影響の低いコンクリートの混合物を同定する手法を適用した。 我々の一般的な手法は、構造工学に幅広い応用がある機械学習におけるノイズの活用を可能にする。
  論文  参考訳（メタデータ） (2023-04-21T19:20:40Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)
• Learning to Sieve: Prediction of Grading Curves from Images of Concrete Aggregate [1.6249267147413522]
  本稿では, コンクリート骨材グレーディング曲線を決定するための深層学習法を提案する。 本稿では,マルチスケール特徴抽出モジュールを応用したネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-07T10:04:05Z)
• Spatio-Temporal Recurrent Networks for Event-Based Optical Flow Estimation [47.984368369734995]
  本稿では,イベントベース光フロー推定のためのニューラルネットアーキテクチャを提案する。 このネットワークは、Multi-Vehicle Stereo Event Cameraデータセット上で、セルフ教師付き学習でエンドツーエンドにトレーニングされている。 既存の最先端の手法を大きなマージンで上回る結果が得られた。
  論文  参考訳（メタデータ） (2021-09-10T13:37:37Z)
• Interpretable Mixture Density Estimation by use of Differentiable Tree-module [0.0]
  解釈可能な木構造を利用した混合密度推定法を提案する。 時間不変情報キャッシュに基づく高速な推論手順は、高速かつ解釈性の両方を達成する。
  論文  参考訳（メタデータ） (2021-05-08T07:29:58Z)
• Deep Learning-Based Automated Image Segmentation for Concrete Petrographic Analysis [19.686444391714634]
  畳み込みニューラルネットワーク(CNN)を用いたディープラーニングアルゴリズムは、イメージテストベンチマークで前例のないセグメンテーション性能を達成した。 本研究では,CNNをカラー処理を使わずにコンクリートセグメンテーションの実現可能性について検討した。 CNNは、模型訓練に関わらない人々を含む幅広いコンクリートを処理する強力な可能性を示した。
  論文  参考訳（メタデータ） (2020-05-21T02:46:29Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)
• On Feature Normalization and Data Augmentation [55.115583969831]
  モーメント交換は、認識モデルにもモーメント情報を利用するようモデルに促す。 我々は、あるトレーニングイメージの学習した特徴のモーメントを、別のトレーニングイメージのモーメントに置き換え、ターゲットラベルを補間する。 我々のアプローチは高速で、機能空間で完全に動作し、以前の方法と異なる信号が混在しているため、既存の拡張アプローチと効果的に組み合わせることができる。
  論文  参考訳（メタデータ） (2020-02-25T18:59:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。