В основе нового метода лежит идея анализа данных, которая помогает нейросети определять, относится ли каждый пиксель изображения к поре или нет. Это достигается за счет анализа окружающего трехмерного пространства пикселя. Таким образом, возможность пикселя быть отнесенным к порам зависит не только от обучающей выборки из двумерных изображений, но и от их взаимосвязи, что обеспечивает непрерывность свойств материала.
Бетон состоит примерно на 70% из инертных материалов, таких как щебень и песок, и на 30% из цементного камня, воды и добавок. Пористая структура цементного камня играет ключевую роль в определении свойств бетона, но до сих пор не была полностью изучена.
Для исследования использовался томограф с высокой разрешающей способностью, с помощью которого были просканированы пять различных составов бетона. Примененный гибридный подход к анализу данных сочетает в себе методы, основанные на нейросетях и физических свойствах, что уменьшает объем необходимых данных для обучения и повышает точность результатов. Полученные данные послужат основой для разработки нейросети, способной определять оптимальный состав бетона.
Определение пористой структуры материала является важной задачей, поскольку она существенно влияет на физико-механические свойства материала, такие как долговечность и водонепроницаемость, что критически важно при строительстве различных конструкций.
По материалам ТАСС