산 터널 구조의 얼굴을 무료 슬롯위한 딥 러닝 적용

Obayashi Corporation (본사 : Minate-Ku, Tokyo; 대통령 : Shiraishi Tatsushi)는 AI 기술 중 하나 인 딥 러닝 (※ 1)을 산악 터널의 깃털을 무료 슬롯했습니다.

NATM (New Austrian Tunneling Method)은 일본의 산악 터널 건축의 표준 방법입니다. 이 방법에서, 스프레이 콘크리트 및 잠금 볼트는 주요지지 재료로 사용되며 발굴 후 적절한 공간을 보장하기 위해 암석 자체의 변형 저항을 효과적으로 활용합니다.

Obayashi Corporation은 1990 년대 초부터 마운틴 터널 필드에서 이미지 처리 및 전문가 시스템과 같은 혁신적인 IT 기술을 사용하여 노동을 줄이고 분석 작업을 개선했습니다. 그러나 이러한 기술이 실제 건설 현장에서 사용 되더라도 지질 전문가가 아니라면 포괄적으로 무료 슬롯가 어려울 수 있으며 내부 전문 부서에서 별도의 판단을 내릴 필요가 있으므로 평가가 필요합니다 시간과 노력이 필요했습니다.

abouti Corporation은 딥 러닝을 활용하여 지질 전문가와 동일한 수준에서 무료 슬롯를 가능하게하는 깃털 무료 슬롯 시스템을 개발하고 있습니다. 이 시스템은 컷오프 얼굴 및 전문가 무료 슬롯 결과를 학습함으로써 지질 조건을 빠르고 정확하게 무료 슬롯할 수 있으며, 지원 자료를보다 적절하게 설치하는 것과 같은 필요한 조치를 제공하여 건설 작업을 수행 할 수 있습니다 .

현재, 우리는 7 가지 무료 슬롯 항목 중 70 개 건설 현장의 무료 슬롯를 기반으로 딥 러닝 학습 데이터를 만들고 있습니다 : 풍화 변경, 갈라진 간격 및 갈라진 상태. 이 시스템은 Mathworks Japan (Mathworks LLC)의 협력으로 개발되었습니다.

이 시스템의 특징은 다음과 같습니다.

1. 건축 안전 및 경제를 개선하기 위해 깃털을 가장 작은 세부 사항으로 즉시 무료 슬롯십시오
   

   이전에, 절단기의 이미지는 평균 무료 슬롯를 제공하기 위해 3 개의 영역과 오른쪽으로 3 개의 영역으로 나뉘었지만,이 시스템에서는 이미지 영역이 227 x 227 픽셀로 세분화되며 커터는 개별적으로 가능했습니다. 각 영역에 대해 무료 슬롯했습니다. 촬영시 픽셀의 수에 따라 무료 슬롯는 5 백만 픽셀에 대해 약 70 개의 영역으로 나뉘어져 있으며, 1,000 만 픽셀의 130 개 영역이 있으므로 컷 얼굴의 변형 및 붕괴를 처리하도록 현지화됩니다 다양한 치료법을 제공 할 수 있습니다.

   인간이 커터 얼굴을 비슷하게 무료 슬롯할 때 결과를 생성하는 데 많은 시간이 걸리지 만,이 시스템을 사용하면 딥 러닝을 사용하여 세부 사항을 즉시 무료 슬롯할 수 있으므로 건설 작업을 개선 할 수 있습니다.

   

2. 지질학 전문가의 무료 슬롯 결과를 배우면 무료 슬롯 정확도가 향상됩니다
   

   7 개의 무료 슬롯 항목으로, 우리는 절단기 깃털의 2,147 개의 이미지와 풍화 변경, 갈라진 간격 및 갈라진 상태의 세 가지 항목에 대한 전문가 무료 슬롯 결과를 배웠습니다. 딥 러닝 모델은 신뢰할 수있는 이미지 식별 모델 인 Alexnet (*3)을 사용합니다.