지진 분리 기초 슬롯 나라의 충전 속도를 측정하기 위해 AI 개발

Obayashi Corporation (본사 : Minato-Ku, Tokyo; President : Hasuwa Kenji)은 AI 기술을 사용하여 지진 분리 재단 슬롯 나라 테스트 시설을 사용하여 슬롯 나라의 간격을 결정하여 자동으로 충전 속도를 측정 할 수있는 시스템을 개발했으며, 테스트/패스/실패에 걸리는 시간을 크게 줄입니다.

최근 몇 년 동안, 특정 수준의 건물에 라미네이트 고무와 같은 지진 분리 장치를 설치하여 지진 흔들림이 건물로 전송되는 것을 방지하는 지진 분리 건물이 증가하고 있습니다. 지진 분리 장치는 슬롯 나라 파운데이션에 설치된베이스 플레이트라는 스틸 플레이트에 장착되지만베이스 플레이트와 슬롯 나라를 통합하려면베이스 플레이트를 조립 된 지진 분리 기초의 상단에 보강재 바에 설치해야하며 슬롯 나라를 주조하여 밀접하게 접촉해야합니다.

이 경우,베이스 플레이트의 바닥에 쏟아진 슬롯 나라가 단단히 채워 졌음을 확인할 수 없으므로 실제 구조 이전에 풀 사이즈 테스트가 수행되고베이스 플레이트를 제거하고베이스 플레이트의 바닥의 슬롯 나라의 갭을 측정함으로써 충전 속도가 표준을 충족 함을 확인합니다.

이전에, 펜 또는 마커가있는 슬롯 나라 표면의 사진 이미지가 컴퓨터로 가져오고, 사다리꼴 수정과 같은 이미지 처리 및 검사 영역을 절단 한 다음 이미지 처리는 지정된 치수보다 큰 갭을 추출하여 전체 면적을 계산하고 계산하고, 계산 및 계산을 수행합니다.

지진 분리 기초 슬롯 나라와베이스 플레이트 사이의 전체 접촉 표면을 검사 할 때, 시편 당 약 25 ~ 100으로 찍은 사진 (전체 접촉 표면의 검사는 디자이너에 의해 요청 될 때 수행됩니다. Obayashi Corporation의 표준이 지정된 위치에서 수행되는 경우)이 필요합니다. 증가하므로 판단 결과를 계산하는 데 일주일이 걸릴 수 있습니다.

이번에는 Obayashi Corporation은 AI 기술 중 하나 인 딥 러닝 (※ 1)을 이미지 분석에 적용하고 슬롯 나라 표면의 갭의 특성을 학습함으로써 갭을 자동으로 감지하고 채색하고 충전 속도를 계산할 수있는 시스템을 개발했습니다. 또한, 전통적인 이미지 분석 기술은 사진의 사다리꼴 교정과 같은 이미지 처리를 자동화하는 데 사용되어 검사 기간이 크게 줄어 듭니다.

이 시스템의 기능은 다음과 같습니다.

• *1 딥 러닝 (딥 러닝)
  시스템이 데이터 기능을 배우고 이벤트를 인식하고 분류하는 기계 학습 기술. 신경망이라고하는 복잡한 인간 뇌 구조를 모방하는 다층 수학적 모델을 통해 시스템은 많은 양의 데이터에서 기능과 유사성을 배우고 새로운 데이터를 분류하고 결정합니다.