Detailergebnis zu DOK-Nr. 79583
Automatisierte Messung des Rissfortschritts an Asphaltproben unter Verwendung eines auf optischem Fluss basierenden tiefen neuronalen Netzes (Orig. engl.: Automated crack propagation measurement on asphalt concrete specimens using an optical flowbased deep neural network)
| Autoren |
Z. Zhu I.L. Al-Qadi |
|---|---|
| Sachgebiete |
9.1 Bitumen, Asphalt 11.1 Berechnung, Dimensionierung, Lebensdauer |
International Journal of Pavement Engineering 24 (2023) Nr. 1, 2186407, 15 S., 23 B, 4 T, zahlr. Q. - Online-Ressource: verfügbar unter: https://doi.org/10.1080/10298436.2023.2186407
In den Vereinigten Staaten von Amerika bestehen 95 % der Straßenbefestigungen aus Asphalt. Die Rissbildung ist die hauptsächliche Schädigung. Deshalb sind mehrere Prüfverfahren zur Bestimmung des Risspotenzials entwickelt worden. Die Beobachtung der Rissentstehung und des Rissfortschritts sind dabei von zentraler Bedeutung. Dazu werden zunehmend Neuronale Netze verwendet. Die Autoren schlagen ein tiefes Neuronales Netzwerk namens CrackPropNet vor. Es werden Bildaufnahmen eingesetzt, wodurch eine präzise, flexible, effiziente und kostengünstige Messmethode des Rissfortschritts zur Verfügung steht und somit das Verfahren des Optischen Flusses angewendet werden kann. Die Einzelheiten der Bildtechnik werden erläutert. Ein zu trainierendes tiefes faltendes neuronales Netzwerk (Deep Convolution Neural Network CNN) wird einbezogen und beschrieben. Es wird resümiert, dass CrackPropNet zur Charakterisierung des Rissphänomens, zur Bewertung des Risspotenzials und zur Validierung theoretischer Modelle eingesetzt werden kann.