جناب آقای مهندس اشکان گلپور، دانشجوی دوره دکتری این دانشکده در رشته مهندسی عمران - گرایش مدیریت ساخت در تاریخ ۲۹ شهریور ماه سال ۱۴۰۵ از رساله خود تحت عنوان "ارائه چارچوبی جهت کنترل و نظارت بر اجرای سازه های فلزی با استفاده از هوش مصنوعی و بینایی رایانه" به راهنمایی جناب آقای دکتر مصطفی خانزادی و مشاوره جناب آقای دکتر مرتضی رهبر، دفاع می نماید.
چکیده این رساله به شرح زیر میباشد:
کنترل کیفیت اجرای سازههای فلزی به دلیل تأثیر مستقیم آن بر ایمنی، دوام و عملکرد سازه، یکی از مؤلفههای مهم مدیریت پروژههای عمرانی محسوب میشود. با این حال، روشهای متداول کنترل کیفیت عمدتاً بر بازرسیهای دورهای، اندازهگیریهای دستی و قضاوت کارشناسی متکی بوده و با محدودیتهایی نظیر دشواری دسترسی به برخی نقاط، ناپیوستگی پایش، زمانبر بودن، خطای انسانی و دشواری ردیابی نتایج همراه هستند. هدف این پژوهش، توسعه یک چارچوب یکپارچه و دادهمحور برای برنامهریزی، جمعآوری، تحلیل و گزارشدهی اطلاعات بازرسی اجرای سازههای فلزی با بهرهگیری از مدلسازی اطلاعات ساختمان (BIM)، پهپاد، نمایش فضایی مبتنی بر ووکسل، الگوریتمهای بهینهسازی و بینایی رایانه است. در چارچوب پیشنهادی، ابتدا المانهای مورد نیاز برای بازرسی بر اساس اطلاعات مدل پروژه و برنامه زمانی تعیین شده، سپس موقعیت مناسب تصویربرداری با درنظرگرفتن کیفیت و پوشش تصویر، زاویه دید و محدودیتهای ایمنی تعیین میشود. در ادامه، با استفاده از نقشه ووکسل غنیشده با اطلاعات هندسی، زمانی و اجرایی BIM، مسیر پهپاد میان نقاط تصویربرداری با درنظرگرفتن موانع، فضاهای کاری و فواصل ایمنی برنامهریزی میشود. برای تعیین موقعیت تصویربرداری از الگوریتم ژنتیک و برای مسیریابی چندهدفه از ترکیب الگوریتم کلونی مورچگان (ACO) و A* استفاده شده است. بهمنظور ارزیابی قابلیت تحلیل تصاویر، مدل YOLOv8x با 68.7 میلیون پارامتر با استفاده از 436 تصویر از اتصالات پیچی چهار پروژه سازه فولادی آموزش داده شد. نتایج نشان داد مدل مذکور به دقت 86.6 درصد، فراخوان 81.2 درصد و mAP0.50 برابر با 87.7 درصد دست یافته است. همچنین، سه پروژه سازه فولادی با کاربریهای پارکینگ طبقاتی، مسکونی و تجاری–اداری بهصورت چهاربعدی مدلسازی و عملکرد چارچوب در سناریوهای مختلف ارزیابی شد. نتایج نشان داد روش پیشنهادی قادر است موقعیتهای مناسب تصویربرداری را تعیین کرده و مسیر بازرسی بین 21 موقعیت تصویربرداری را با طول تقریبی 289 متر در 189 ثانیه محاسبه کند. اعتبارسنجی میدانی نیز قابلیت تصاویر برداشتشده از موقعیتهای پیشنهادی را برای پوشش اهداف بازرسی و تشخیص اتصالات معیوب و پیچهای شلشده تأیید کرد. در نهایت، نتایج بازرسی به اطلاعات المانهای BIM مرتبط و در قالب گزارش کنترل کیفیت ساختاریافته ارائه شدند. یافتههای پژوهش نشان میدهد چارچوب پیشنهادی، علاوه بر خودکارسازی بخشی از فرآیند بازرسی بصری، ظرفیت پشتیبانی از مدیریت کیفیت، ردیابی عدم انطباقها، برنامهریزی اقدامات اصلاحی و مدیریت زمان، منابع، ایمنی و ریسک فرآیند بازرسی را دارد.واژههای کلیدی: کنترل کیفیت، مدلسازی اطلاعات ساختمان (BIM)، پهپاد، هوش مصنوعی، بینایی رایانه، یادگیری عمیق، سازه فولادی
آدرس ایمیل: ashkan.golpourgmail.com
نشانی مطلب در وبگاه دانشگاه علم و صنعت ایران: http://idea.iust.ac.ir/find-32.17087.85714.fa.html برگشت به اصل مطلب