- 4 기술
- 기술 개발
산 터널 얼굴을 평가하기 위해 딥 러닝 사용
마운틴 터널 구조의 터널 얼굴 (굴착 표면)의 평가에 딥 러닝의 적용
AI 기술을 사용하는 고정밀 터널 얼굴 평가 시스템을 개발하여 건설 안전 및 경제 성과를 향상시키는 것을 목표로합니다
Obayashi Corporation이 신청했습니다딥 러닝, AI 기술, 산 터널 얼굴의 평가.
일본의 산 터널 건설에서 NATM (New Austrian Tunneling Method)은 표준 건설 방법입니다. 이 구조 방법을 사용하여, 우리는 Shotcrete와 암석 볼트를 주요지지 구성원으로 사용하여 암석 질량 자체의 변형 저항 용량을 효과적으로 활용하여 발굴 후 공간을 적절하게 고정시킵니다. 지원 크기는 지질 조사에 따라 미리 계획되지만 사전 조사 결과에만 한계가 있으므로 실제로 압축 강도, 풍화 및 변경, 균열 조건, 균열 조건, 파업 및 물 유도 및 물 유발 악화의 다음 7 가지 항목을 기반으로 터널 얼굴의 평가를 수행합니다. 그런 다음 평가 결과에 따라 계획을 적절하게 수정합니다.
1990 년대 상반기 이후 Obayashi Corporation은 이미지 처리 및Expert Systems마운틴 터널 필드에서 터널 얼굴 행동 측정 작업 및 분석 작업의 업그레이드에서 노동 절약을 발전시킵니다. 그러나 실제 건설 현장에서는 이러한 기술을 사용하더라도 암석 역학이나 지질 과학 전문가 이외의 다른 사람에게는 포괄적 인 평가를 수행하는 것이 어려운 경우가 있습니다. 따라서 다음은 문제가되었습니다. 예를 들어 회사 내부의 전문가들의 판사에 대한 별도의 요구로 인해 평가에는 많은 시간과 노력이 필요했습니다.
따라서 Obayashi Corporation은 딥 학습을 활용하여 록 메커니즘 또는 지질 과학 전문가와 동일한 수준에서 평가를 가능하게하는 터널 얼굴 평가 시스템의 개발을 발전시키고 있습니다. 이 시스템을 사용하면 터널 얼굴 이미지 학습 및 전문가의 평가 결과를 통해 지질 조건을 신속하고 정확하게 평가할 수 있습니다. 이것은 지원 회원을보다 적절한 방식으로 설치하여 건축 안전 및 경제 성과를 향상시킵니다.
이 시스템은 Mathworks Japan과의 협력을 통해 개발되고 있습니다.
개발중인 시스템의 특징은 다음과 같습니다.
-
터널 얼굴을 즉시 세부적으로 바카라 쿠폰하여 건축 안전 및 경제 성과 향상
이전에 터널 얼굴 이미지는 평균 바카라 쿠폰를 얻기 위해 세 부분으로 나뉘어졌습니다 : 크라운, 왼쪽 어깨 및 오른쪽 어깨. 그러나이 시스템의 경우 이미지의 일부는 227 × 227 픽셀 세트로 세분화되며 각 개별 부품의 터널면을 바카라 쿠폰할 수 있습니다. 캡처 된 이미지는 10,000,000 픽셀의 경우 5,000,000 픽셀 또는 약 130 개의 부품의 경우 약 70 개의 부품으로 세분화하여 바카라 쿠폰됩니다. 이로 인해 터널 얼굴의 변형과 동굴 인을 처리하기 위해 로컬 절차를 수행 할 수 있습니다.
인간이 터널 얼굴을 세분화하여 평가를 수행하면 결과를 생성하는 데 많은 시간이 걸립니다. 그러나이 시스템을 사용하면 딥 러닝을 사용하여 자세한 평가를 즉시 수행 할 수 있으므로 건설 안전 및 경제 성과가 향상됩니다.
기존 터널 얼굴 바카라 쿠폰 부품 (세 부분 : 크라운, 왼쪽 어깨 및 오른쪽 어깨) 터널 얼굴 바카라 쿠폰 부품 사용Alexnet(사진을 찍을 때 픽셀 수에 따라 다르면) -
Rock Mechanics 및 Geologic Science 전문가의 바카라 쿠폰 결과를 배우면 바카라 쿠폰 정밀도가 향상됩니다
우리는 사용 중입니다Alexnet
전문가가 결정한 바카라 쿠폰 결과와 일치 한 판사의 비율은 7 개 항목 모두 70% 이상이었습니다.
2019 년에 시스템을 클라우드로 전송 했으므로 이제 전국의 모든 사이트에서 사용할 수 있습니다.
“기계 학습”시스템이 데이터의 특성을 배우고 이벤트를 인식하고 분류하는 기술. 이 시스템을 신경망이라고합니다. 대량의 데이터에서 특성과 유사성을 배웁니다. 그런 다음 시스템은 복잡한 인간 뇌를 모방하는 수학적 모델을 적용하여 새로운 데이터를 분류하고 결정합니다.
전문 엔지니어가 가능한 지식과 경험을 컴퓨터에 통합하여 해당 컴퓨터를 사용하여 복잡한 전문화 된 문제를 해결하는 기술. 그러한 시스템을 사용하면 인간 이이 지식과 경험을 공식화해야합니다.
이미지를 구별하기 위해 토론토 대학교에서 개발 된 다층 신경망. 2012 년 LSVRC (International Dange Scale Visual Recognition Challenge) 경쟁에서 차별 오류율이 낮았으며, 그 이후의 딥 러닝이 많은 관심을 끌었습니다.
- 관리 및
조직 - 주식 정보
- 재무 제표
- 기술
- BIM 타임 라인
- 어워드
- 주요 간행물
- 그룹 회사
- 그룹 회사 (일본)
- 그룹 회사 (해외)