© 1992-2024, «Грин-Тех» – разработка и обслуживание опытного оборудования
Телефон:
+7 499 938-46-48Эл.почта:
Адрес:
г.Ижевск
ул. Холмогорова, 20
ул. Холмогорова, 20
Адгезионные свойства материалов имеют решающее значение в дорожной отрасли, поскольку напрямую влияют на долговечность и безопасность дорожных покрытий. Качество сцепления различных дорожных материалов определяет их устойчивость к внешним нагрузкам и погодным условиям. Например, адгезия битума к щебню играет ключевую роль в прочности асфальтобетонных покрытий: битум, выступая в качестве связующего, надежно обволакивает щебень.
Для оценки адгезионных свойств используется метод, который определяет предел прочности образцов при непрямом растяжении после воздействия воды и циклов «замораживание-оттаивание». Этот процесс, называемый пробоподготовкой, имитирует реальные условия эксплуатации, а также позволяет сравнить с образцами, выдержанными на воздухе при температуре (22 ± 3) °С. После определения предела прочности по поверхности разлома визуально оценивается степень адгезии битума к минеральной части смеси.
Оценка этих свойств помогает определить, насколько надежно и безопасно выполнено дорожное покрытие. В нашей компании мы решили автоматизировать процесс оценки адгезионных свойств по ГОСТ 58401.18-2019 с использованием нейросети. Это нововведение позволит значительно улучшить точность и скорость анализа, а также повысить общую эффективность работы в дорожном строительстве.
Оценка адгезионных свойств по ГОСТ 58401.18-2019 относится к измерению и анализу способности материалов к сцеплению или прилипаемости друг к другу. Этот стандарт устанавливает методы и требования для определения адгезионных свойств различных материалов, таких как покрытия, клеи и композиты, в соответствии с российскими государственными стандартами.
– Методы испытаний: ГОСТ 58401.18-2019 описывает различные методы испытаний для оценки адгезионных свойств. Это могут быть испытания на отрыв, сдвиг, скручивание и другие. Каждый метод имеет свои спецификации и процедуры.
– Подготовка образцов: Стандарт включает требования к подготовке образцов для испытаний. Это важно для обеспечения воспроизводимости и точности результатов. Образцы должны быть подготовлены и обработаны определенным образом, чтобы минимизировать влияние внешних факторов на результаты испытаний.
– Условия испытаний: ГОСТ 58401.18-2019 устанавливает условия, при которых должны проводиться испытания, такие как температура, влажность и скорость нагрузки. Эти условия должны строго соблюдаться, чтобы результаты испытаний были сопоставимыми и надежными.
– Критерии оценки: В стандарте определены критерии, по которым оцениваются адгезионные свойства материалов. Это может включать оценку силы адгезии, прочности сцепления и других параметров, которые важны для конкретного применения материалов.
– Документация и отчетность: ГОСТ 58401.18-2019 требует документирования всех этапов испытаний и результатов. Отчеты должны содержать подробную информацию о методах испытаний, условиях, подготовке образцов и полученных данных.
Текущие методы оценки адгезионных свойств часто включают ручную работу специалистов, которые анализируют образцы и присваивают им оценки по определенной шкале. Этот процесс может быть трудоемким и подвержен субъективным ошибкам. Человеческий фактор приводит к неточностям и вариативности результатов, что снижает надежность оценки. К тому же, такой подход требует значительных временных затрат и ресурсов.
Использование нейросети для автоматизации оценки адгезионных свойств является лучшим вариантом по нескольким причинам:
– Точность и объективность: Нейросеть устраняет субъективность, связанную с человеческим фактором, и анализирует данные последовательно и беспристрастно.
– Скорость: Нейросеть способна обрабатывать большое количество образцов за короткое время, что существенно ускоряет процесс оценки и позволяет получать результаты практически мгновенно.
– Постоянное улучшение: Нейросеть может постоянно обучаться на новых данных, улучшая свою точность и адаптируясь к изменениям в параметрах адгезионных свойств.
– Снижение затрат и повышение эффективности: Автоматизация процесса оценки позволяет снизить затраты на трудовые ресурсы и увеличить производительность.
Для успешного обучения нейросети необходимо пройти несколько этапов.
Первым шагом является сбор тысяч фотографий образцов с белым фоном и оценкой по 5-балльной шкале. Эти снимки необходимы для создания точной модели, которая будет понимать и различать параметры адгезионных свойств.
Собранные изображения проходят процесс очистки и подготовки. Мы удаляем шум, корректируем освещение и стандартизируем размеры изображений, чтобы данные были однородными и пригодными для анализа.
Каждое изображение получает разметку, включающую оценку адгезионных свойств. Это важно для того, чтобы нейросеть могла правильно распознавать и учиться на этих данных.
Нейросеть обучается на подготовленных данных. Она анализирует каждую фотографию, находит закономерности и учится различать уровни адгезионных свойств.
После первоначального обучения мы проверяем работу нейросети на новых изображениях, выявляем и корректируем ошибки. Процесс тестирования и доработки повторяется до тех пор, пока нейросеть не достигнет высокой точности и надежности.
Для успешной реализации проекта нам необходимо участие профессионалов. Мы просим вас присылать фотографии образцов в наш телеграм канал “Дорожные Лаборатории: Взаимопомощь и обмен опытом” с белым фоном и оценкой по 5-балльной шкале. Если у вас есть желание, добавьте комментарии с дополнительными характеристиками образцов. Чем больше данных мы соберем, тем лучше будет работать нейросеть. Ваша помощь в этом процессе неоценима.
Мы планируем применить аналогичную технологию в других отраслях. Например, автоматизация оценки различных строительных материалов может стать следующим шагом в развитии нашего проекта. Мы призываем участников предложить идеи и направления для будущих проектов. Ваши предложения помогут нам определить приоритеты и двигаться вперед.
Проект по автоматизации оценки адгезионных свойств с помощью нейросети имеет огромный потенциал для улучшения качества и скорости работы в вашей области. Мы благодарим всех участников за их вклад и приглашаем к дальнейшему сотрудничеству. Ваше участие и поддержка являются ключевыми факторами успеха этого проекта.
Если у вас остались вопросы или предложения, пожалуйста, свяжитесь с нашей командой. Мы всегда готовы помочь и обсудить ваши идеи. Присоединяйтесь к нашему проекту и помогите нам достичь этой цели!
Наш телеграм канал – https://t.me/Grin_tech
Телеграм-группа с нейросетью – https://t.me/Grin_tech_Adhesion_AI
Телефон – +7 499 938-46-48
Почта – info@grin-geo.ru
