机器学习模型在Web应用程序“ CrackSafe”开发中的应用在贝拉·普拉蒂维(Bella Pratiwi)建筑物墙壁上发现迷恋1 *伊斯兰大学45 Bekasi 1 Bekasi 1电子邮件通信:Bellaprtwii25@gmail.com摘要:本研究旨在分析AI和机器学习技术在CrackSafe Web应用程序中的应用,以检测构建构建构建构建构建的构建。定性方法用于了解房屋壁上裂谷检测中的挑战,需求和潜在解决方案。裂缝和非耐药性数据集图片用于使用Yolov8训练检测模型,并使用平均平均精度(MAP),F-1得分,精度和回忆对模型进行评估。结果表明,即使仍然有改进的空间,模型也可以很好地识别裂纹。此应用程序还成功地检测了垃圾邮件,显示了建筑物维护的潜力。部署过程涉及使用烧瓶将AI模型集成到网站中。裂缝安全开发有望提高建筑物维护的效率和安全性,并降低高运营成本。关键字:人工智能;机器学习;探伤; YOLOV8摘要:本研究旨在开发利用AI和机器学习的CrackSafe Web应用程序,该研究旨在分析在CrackSafe Web应用程序中的AI和机器学习技术的实施,以检测建筑结构中的裂缝。一种定性方法用于了解检测住宅壁裂缝的挑战,需求和潜在解决方案。使用Yolov8的裂纹和非裂缝图像的数据集用于训练检测模型,并使用平均平均精度(MAP),F-1得分,精度和召回进行模型评估。结果表明该模型可以很好地识别裂纹,尽管仍然有改进的余地。该应用程序还成功地检测了Spall,证明了建筑物维护的潜力。部署过程涉及使用烧瓶将AI模型集成到网站中。裂缝保护的发展有望提高建筑物维护的效率和安全性,并降低高运营成本。关键字:人工智能;机器学习;探伤; Yolov8文章信息:提交:2024-04-20 |接受:2024-09-30 |发布:2024-10-03版权所有©2024,作者。