裂缝是用于诊断固体结构破坏的重要标准之一。通常,具有专业知识的结构工程师会通过从外部检查裂缝、概述检查结果,然后根据发现准备分析数据来评估此类结构。这样的审查方法并不确定,因为它需要手动记录多达几十万个裂缝。但是,它也无法准确确定裂缝的长度和状态。为了解决这个问题,该行业逐渐将目光投向使用 AI 检测进行现场评估。研究人员目前正在开发一种基于移动的智能系统,该系统配备了用于识别裂缝和其他缺陷的 AI 分析功能,这将提高调查过程的效率并增强对用户的紧急响应。本研究旨在通过比较几种技术来深入了解最有效的裂缝检测方法。研究发现,混合技术是检测裂缝的最有效方法。该技术结合了人工神经网络 (ANN) 和人工蜂群 (ABC) 的优点,提出了一种更合适的全新方法。
该工作应根据以下文件和修订:A。国家桥梁检验标准(NBIS)标题23联邦法规650 C.2022年3月的国家桥梁清单的规格(出版物号FHWA-HIF-22-017)C。Colorado桥梁检查手册D.科罗拉多州SIA项目编码指南E. Colorado结构元素级别编码指南F. Aashto手册用于桥梁元素检查G. AASHTO桥梁手册用于桥梁评估H.桥梁检查参考手册I.记录和编码指南的结构库存和评估国家桥梁(报告号FHWA-PD-96-001)J.检查裂缝关键桥成员的检查(报告号FHWA-IP-86-26)K。涵洞检查手册(报告号fhwa-ip-86-2)L。液压工程循环号18(HEC-18,出版物号fhwa-ip-90-017)M。液压工程循环号20(HEC-20,出版物号FHWA-IP-90-014)N。CDOT构造手册O. CDOT桥等级P. CDOT工程师指定的其他文档。CDOT工程师可以随时更新上面列出的文档。顾问资格