Name: Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Uploaded: 2024-01-05T13:50:00
Description: Watch this Scientific Journal Video about Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines at JoVE.com

हम इस काम के वित्तपोषण के लिए वुहान अर्बन कंस्ट्रक्शन ग्रुप 2023 वार्षिक वैज्ञानिक अनुसंधान परियोजना (NO.7) को कृतज्ञतापूर्वक धन्यवाद देते हैं।

1. ठोस नमूना छवि अधिग्रहण
<ol><li>कार्यस्थल पर परिवहन कंक्रीट, जहां इसे पंप ट्रक द्वारा डाला जाएगा।</li>
	<li>छवियों को कैप्चर करने के लिए, पावर कुंजी स्विच को दाईं ओर ले जाकर और इसे चालू स्थिति में बद?...

Directional Gradient Histogram and SVM for Identifying Concrete Vibration States

<ol>
	<li>Jiang, L., Tian, Z., Wang, K., Sun, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+the+segregation+of+concrete+under+vibration+based+on+electrical+method.">Estimating the segregation of concrete under vibration based on electrical method.</a> Concrete. 1, 41-44 (2023).</li><li>Ren, B., Ye, Z., Wang, D., Wu, B., Tan, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+segregation+degree+of+hardening+concrete+using+improved+Mask+R-CNN.">Evaluation of segregation degree of hardening concrete using improved Mask R-CNN.</a> Journal of Hydroelectric Engineering. 41 (5), 93-102 (2022).</li><li>Hu, J., Qin, M., Wang, H., Liu, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Study+on+the+influence+of+vibration+frequency+on+the+performance+of+concrete.">Study on the influence of vibration frequency on the performance of concrete.</a> Highway. 65 (12), 111-114 (2020).</li><li>Bian, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Experimental+study+on+characterization+of+evaluation+indexes+for+vibration+compaction+of+fresh+concrete.">Experimental study on characterization of evaluation indexes for vibration compaction of fresh concrete.</a> Journal of Hydroelectric Engineering. 39 (2), 67-80 (2020).</li><li>Liu, Z., Zhou, M., Bai, J., Mou, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Influence+of+vibration+time+on+the+strength+and+homogeneity+of+rubber+concrete.">Influence of vibration time on the strength and homogeneity of rubber concrete.</a> Industrial Construction. 42, 509-512 (2012).</li><li>Cheng, Y., Gou, Z., Wang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Testing+Investigation+on+Effects+of+Mixing,+Vibrating+and+Curing+on+Strength+of+High-Performance+Concrete.">Testing Investigation on Effects of Mixing, Vibrating and Curing on Strength of High-Performance Concrete.</a> Journal of Northeastern University (Natural Science). 31 (12), 1790-1793 (2010).</li><li>Zhao, Y., Chen, S., Liu, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Influence+mechanism+of+high-frequency+vibration+on+concrete+antifreeze+and+application+in+construction+of+tunnels+in+cold+regions.">Influence mechanism of high-frequency vibration on concrete antifreeze and application in construction of tunnels in cold regions.</a> Industrial Construction. 44 (5), 101-105 (2014).</li><li>Quan, L., Tian, B., Li, S., He, Z., He, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evolution+characteristics+of+flexural+fatigue+performance+of+dense+concrete+consolidated+with+high+frequency+vibration+applied+in+airport+pavement.">Evolution characteristics of flexural fatigue performance of dense concrete consolidated with high frequency vibration applied in airport pavement.</a> Journal of Traffic and Transportation Engineering. 20 (2), 34-45 (2020).</li><li>Cai, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Influence+of+coarse+aggregate+settlement+induced+by+vibration+on+long-term+chloride+transport+in+concrete:+a+numerical+study.">Influence of coarse aggregate settlement induced by vibration on long-term chloride transport in concrete: a numerical study.</a> Materials and Structures. 55 (9), 1-18 (2022).</li><li>Cai, Y., Liu, Q. F., Yu, L., Meng, Z., Avija, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+experimental+and+numerical+investigation+of+coarse+aggregate+settlement+in+fresh+concrete+under+vibration.">An experimental and numerical investigation of coarse aggregate settlement in fresh concrete under vibration.</a> Cement and Concrete Composites. 122 (7), 104153 (2021).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+application+of+concrete+vibrating+robot+system+for+high+arch+dam.">Development and application of concrete vibrating robot system for high arch dam.</a> Journal of Hydraulic Engineering. 53 (6), 631-654 (2022).</li><li>Chen, C., Li, X., Qiu, Z., Yao, W., Zhu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+Progress+of+Construction+Robots.">Research Progress of Construction Robots.</a> Journal of Architecture and Civil Engineering. 39 (4), 58-70 (2022).</li><li>Shen, H., Zhang, W., Liu, J., Qiu, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+Prospect+of+Construction+Robots+for+High+Rise+Buildings.">Development and Prospect of Construction Robots for High Rise Buildings.</a> Construction Technology. 46 (8), 105-108 (2017).</li><li>Dalal, N., Triggs, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Histograms+of+Oriented+Gradients+for+Human+Detection.">Histograms of Oriented Gradients for Human Detection.</a> IEEE Computer Society Conference on Computer Vision &amp; Pattern Recognition. , (2005).</li><li>Zhou, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gradient-based+Feature+Extraction+From+Raw+Bayer+Pattern+Images.">Gradient-based Feature Extraction From Raw Bayer Pattern Images.</a> IEEE Transactions on Image Processing. (99), 1 (2021).</li><li>He, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Railway+Fastener+Defects+Detection+under+Various+Illumination+Conditions+using+Fuzzy+C-Means+Part+Model.">Railway Fastener Defects Detection under Various Illumination Conditions using Fuzzy C-Means Part Model.</a> Transportation Research Record. 2675 (4), 271-280 (2021).</li><li>Xu, X., Quan, C., Ren, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Facial+expression+recognition+based+on+Gabor+Wavelet+transform+and+Histogram+of+Oriented+Gradients.">Facial expression recognition based on Gabor Wavelet transform and Histogram of Oriented Gradients.</a> IEEE International Conference on Mechatronics &amp; Automation. , (2015).</li><li>Cortes, C., Vapnik, V. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Support+Vector+Networks.">Support Vector Networks.</a> Machine Learning. 20 (3), 273-297 (1995).</li><li>Burges, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Tutorial+on+Support+Vector+Machines+for+Pattern+Recognition.">A Tutorial on Support Vector Machines for Pattern Recognition.</a> Data Mining and Knowledge Discovery. 2 (2), 121-167 (1998).</li><li>Yang, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+Pleurotus+Ostreatus+From+Different+Producing+Areas+Based+on+Mid-Infrared+Spectroscopy+and+Machine+Learning.">Identification of Pleurotus Ostreatus From Different Producing Areas Based on Mid-Infrared Spectroscopy and Machine Learning.</a> Spectroscopy and Spectral Analysis. 43 (2), 577-582 (2023).</li><li>Chaabane, S. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Face+recognition+based+on+statistical+features+and+SVM+classifier).">Face recognition based on statistical features and SVM classifier).</a> Multimedia Tools and Applications. 81 (6), 8767-8784 (2022).</li><li>Saleh, M. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Experiments+with+SVM+to+classify+opinions+in+different+domains.">Experiments with SVM to classify opinions in different domains.</a> Expert Systems with Applications. 38 (12), 14799-14804 (2011).</li><li>Zhang, Y., Liu, Y., Wang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+Prediction+of+Coal+Mine+Water+Disasters+Emergency+Rescue+System+Based+on+Improved+SVM.">Reliability Prediction of Coal Mine Water Disasters Emergency Rescue System Based on Improved SVM.</a> Journal of Zhengzhou University (Engineering Science). 36 (3), 115-119 (2015).</li><li>Cao, Y., Song, D., Hu, X., Sun, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fault+Diagnosis+of+Railway+Point+Machine+Based+on+Improved+Time-Domain+Multiscale+Dispersion+Entropy+and+Support+Vector+Machine.">Fault Diagnosis of Railway Point Machine Based on Improved Time-Domain Multiscale Dispersion Entropy and Support Vector Machine.</a> Acta Electronica Sinica. 51 (1), 117-127 (2023).</li><li>Li, Q., Yuze, C., Yu, B., Ning, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Two-stage+support+vector+machine+method+for+failure+mode+classification+of+reinforced+concrete+columns.">Two-stage support vector machine method for failure mode classification of reinforced concrete columns.</a> Engineering Mechanics. 39 (2), 148-158 (2022).</li><li>Yang, Y., Zhang, W., Yu, H., Chai, W., Liu, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+on+the+relationships+between+ultrasonic+parameters+and+the+stress+state+in+loaded+concrete+based+on+improved+support+vector+machines).">Analysis on the relationships between ultrasonic parameters and the stress state in loaded concrete based on improved support vector machines).</a> Journal of Vibration and Shock. 42 (2), 175-224 (2023).</li><li>Yan, K., Shi, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+elastic+modulus+of+normal+and+high+strength+concrete+by+support+vector+machine.">Prediction of elastic modulus of normal and high strength concrete by support vector machine.</a> Construction &amp; Building Materials. 24 (8), 1479-1485 (2010).</li><li>Hussein, I. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fully-automatic+identification+of+gynaecological+abnormality+using+a+new+adaptive+frequency+filter+and+histogram+of+oriented+gradients+(HOG).">Fully-automatic identification of gynaecological abnormality using a new adaptive frequency filter and histogram of oriented gradients (HOG).</a> Expert Systems. 39 (3), 12789 (2022).</li><li>Chandrakala, M., Devi, P. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Two-stage+classifier+for+face+recognition+using+HOG+features.">Two-stage classifier for face recognition using HOG features.</a> Materials Today: Proceedings. 47, 5771-5775 (2021).</li><li>Long, C., Yichi, Z., Zhangkai, L., Dandan, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Low-Light+Image+Enhancement+Based+on+RAW+Domain+Image.">Low-Light Image Enhancement Based on RAW Domain Image.</a> Journal of Computer-Aided Design &amp; Computer Graphics. 35 (2), 303-311 (2023).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+application+of+concrete+vibrating+robot+system+for+high+arch+dam.">Development and application of concrete vibrating robot system for high arch dam.</a> Journal of Hydraulic Engineering. 53 (6), 631-654 (2022).</li></ol>

यह पेपर विभिन्न ठोस कंपन राज्य नमूनों की छवि विशेषताओं को जानने के लिए समर्थन वेक्टर मशीन (एसवीएम) का उपयोग करता है। मशीन सीखने के परिणामों के आधार पर, छवि पहचान के आधार पर एक ठोस कंपन राज्य मान्यता विधि ...

कंक्रीट एक मौलिक निर्माण सामग्री है जिसका उपयोग निर्माण उद्योग में बड़े पैमाने पर किया जाता है। पंपिंग के दौरान, कंक्रीट अक्सर voids विकसित करता है जिसे कंपन के माध्यम से संघनन की आवश्यकता होती है। अपर्याप्त कंपन के परिणामस्वरूप मधुकोश कंक्रीट की सतह हो सकती है, जबकि अत्यधिक कंपन से कंक्रीट अलगाव 1,2 हो सकता है। कंपन संचालन की गुणवत्ता महत्वपूर्ण रूप से गठित कंक्रीट संरचनाओं की ताकत 3,4,5,6 और स्थायित्व को प्रभावित करती है 7,8. Cai et al.9,10 ने एक अध्ययन किया जो कुल निपटान और ठोस स्थायित्व पर कंपन के प्रभाव तंत्र की जांच करने के लिए संख्यात्मक विश्लेषण के साथ प्रयोगात्मक अनुसंधान को जोड़ता है। निष्कर्षों से पता चला कि कंपन समय और कुल कण कुल निपटान पर काफी प्रभाव डालते हैं, जबकि कुल घनत्व और सीमेंट-आधारित सामग्री की प्लास्टिक चिपचिपाहट का न्यूनतम प्रभाव पड़ता है। कंपन कंक्रीट नमूनों के तल पर कुल जमाव का कारण बनता है। इसके अलावा, जैसे-जैसे कंपन का समय बढ़ता है, क्लोराइड आयन की सांद्रता कंक्रीट नमूनों के तल पर कम हो जाती है जबकि शीर्ष 9,10 पर काफी बढ़ जाती है।
वर्तमान में, ठोस कंपन राज्य का मूल्यांकन मुख्य रूप से मैनुअल निर्णय पर निर्भर करता है। जैसा कि निर्माण उद्योग बुद्धिमान सुधारों के माध्यम से प्रगति जारी रखता है, रोबोट संचालन भविष्य की दिशा 11,12 के रूप में उभरा है। नतीजतन, बुद्धिमान कंपन संचालन में एक महत्वपूर्ण चुनौती यह है कि रोबोट को कंक्रीट की कंपन स्थिति की पहचान करने में कैसे सक्षम किया जाए।
उन्मुख ढाल का हिस्टोग्राम एक तकनीक है जो पिक्सल की तीव्रता ढाल या छवियों13,14में वस्तुओं के प्रतिनिधित्व और आकार को चिह्नित करने के लिए एक वर्णनकर्ता के रूप में किनारे की दिशाओं के वितरण का उपयोग करती है। यह दृष्टिकोण छवि के स्थानीय ग्रिड कोशिकाओं पर संचालित होता है, जो विभिन्न ज्यामितीय और ऑप्टिकल स्थितियों के तहत छवि परिवर्तनों को चिह्नित करने में मजबूत स्थिरता प्रदान करता है।
झोउ एट अल .15 ने बायर मोड छवियों से दिशात्मक ढाल सुविधाओं को सीधे निकालने के लिए एक विधि का प्रस्ताव रखा। यह दृष्टिकोण ढाल ऑपरेटर के साथ रंग फिल्टर कॉलम का मिलान करके दिशात्मक ढाल की गणना करने में कई चरणों को छोड़ देता है, जिससे दिशात्मक ढाल छवि पहचान के लिए कम्प्यूटेशनल आवश्यकताओं को काफी कम कर दिया जाता है। उन्होंने एट अल 16 ने दिशात्मक ढाल हिस्टोग्राम को अंतर्निहित विशेषता के रूप में उपयोग किया और रेल फास्टनरों को वर्गीकृत करने और यह निर्धारित करने के लिए माध्य क्लस्टरिंग एल्गोरिथ्म को नियोजित किया कि फास्टनरों दोषपूर्ण हैं या नहीं। मान्यता के परिणामों ने संकेत दिया कि उन्मुख ढाल सुविधा के हिस्टोग्राम ने रेलवे रखरखाव और मरम्मत की जरूरतों को पूरा करते हुए, फास्टनर दोषों के लिए उच्च संवेदनशीलता का प्रदर्शन किया। एक अन्य अध्ययन में, जू एट अल .17 ने गैबर वेवलेट फ़िल्टरिंग का उपयोग करके चेहरे की छवि सुविधाओं को पूर्वसंसाधित किया और बाइनरी कोडिंग और एचओजी एल्गोरिथ्म के माध्यम से फीचर वैक्टर के आयाम को कम किया। विधि की औसत पहचान सटीकता 92.5% है।
समर्थन वेक्टर मशीन (एसवीएम)18 का उपयोग वेक्टर को एक उच्च-आयामी स्थान में मैप करने के लिए किया जाता है और दो समानांतर हाइपरप्लेन के बीच की दूरी को अधिकतम करने के लिए एक उपयुक्त दिशा के साथ एक अलग हाइपरप्लेन स्थापित करता है। यह समर्थन वैक्टर19 के वर्गीकरण के लिए अनुमति देता है. विद्वानों ने इस वर्गीकरण तकनीक में सुधार और अनुकूलन किया है, जिससे छवि पहचान20,21, पाठ वर्गीकरण 22, विश्वसनीयता भविष्यवाणी23, और गलती निदान24 जैसे विभिन्न क्षेत्रों में इसका अनुप्रयोग हो सकता है।
ली एट अल .25 ने भूकंपीय विफलता पैटर्न मान्यता के लिए दो-चरण एसवीएम मॉडल विकसित किया, जो तीन भूकंपीय विफलता मोड पर केंद्रित था। विश्लेषण के परिणाम बताते हैं कि प्रस्तावित दो-चरण एसवीएम विधि तीन विफलता मोड के लिए 90% से अधिक सटीकता प्राप्त कर सकती है। यांग एट अल .26 ने पांच अल्ट्रासोनिक मापदंडों और लोड किए गए कंक्रीट के तनाव के बीच संबंधों को अनुकरण करने के लिए एसवीएम के साथ एक अनुकूलन एल्गोरिथ्म को एकीकृत किया। एक अअनुकूलित एसवीएम का प्रदर्शन असंतोषजनक है, विशेष रूप से कम तनाव वाले चरण में। हालांकि, एल्गोरिथ्म द्वारा अनुकूलित मॉडल को पार करने से बेहतर परिणाम मिलते हैं, यद्यपि लंबे गणना समय के साथ। इसकी तुलना में, कण झुंड अनुकूलन अनुकूलित एसवीएम इष्टतम सिमुलेशन परिणाम प्रदान करते समय गणना समय को काफी कम कर देता है। यान एट अल 27 ने एसवीएम तकनीक को नियोजित किया और पारंपरिक प्रतिगमन मॉडल और तंत्रिका नेटवर्क मॉडल के खिलाफ इसकी भविष्यवाणी सटीकता की तुलना करते हुए, उच्च शक्ति कंक्रीट के लोचदार मापांक की भविष्यवाणी करने के लिए एक सटीक-असंवेदनशील हानि फ़ंक्शन पेश किया। शोध के निष्कर्ष बताते हैं कि एसवीएम तकनीक अन्य तरीकों की तुलना में लोचदार मापांक के लिए एक छोटी भविष्यवाणी त्रुटि पैदा करती है।
यह पत्र विभिन्न कंपन राज्यों के तहत कंक्रीट के छवि नमूने एकत्र करता है और दिशात्मक ढाल हिस्टोग्राम तकनीक का उपयोग करके कंक्रीट के विभिन्न राज्यों का वर्णन करता है। दिशात्मक ढाल को एसवीएम के प्रशिक्षण के लिए एक फीचर वेक्टर के रूप में नियोजित किया जाता है, और अध्ययन कंक्रीट की कंपन स्थिति की पहचान करने के लिए दिशात्मक ढाल हिस्टोग्राम-एसवीएम तकनीक का उपयोग करने की व्यवहार्यता पर केंद्रित है। इसके अतिरिक्त, पेपर तीन प्रमुख मापदंडों के बीच प्रभाव तंत्र का विश्लेषण करता है-बिनाराइजेशन थ्रेशोल्ड, दिशात्मक ढाल सांख्यिकीय ब्लॉक आकार, और दिशात्मक ढाल सांख्यिकीय अंतराल संख्या-दिशात्मक ढाल हिस्टोग्राम की सुविधा निष्कर्षण प्रक्रिया और एसवीएम की मान्यता सटीकता में।

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>camera</td>
			<td>SONY</td>
			<td>A6000</td>
			<td>The sensor size is 23.5x15.6mm, the maximum acquisition resolution is 1440 * 1080, and the effective pixel is 24.3 million.</td>
		</tr>
		<tr>
			<td>concrete</td>
			<td>Wuhan Construction Changxin Technology Development Co., Ltd.</td>
			<td>C30 pumping concrete</td>
			<td>According to the standard of &#39; concrete strength test and evaluation standard &#39; ( GB / T 50107-2010 ), the standard value of cubic compressive strength is 30 MPa pumping concrete.</td>
		</tr>
		<tr>
			<td>Matlab</td>
			<td>MathWorks</td>
			<td>Matlab R2017a</td>
			<td>MATLAB&#39;s programming interface provides development tools for improving code quality maintainability and maximizing performance. 
			It provides tools for building applications using custom graphical interfaces. 
			It provides tools for combining MATLAB-based algorithms with external applications and languages</td>
		</tr>
		<tr>
			<td>Processor&#160;</td>
			<td>Intel</td>
			<td>12th Gen Intel(R) Core (TM) i7-12700H @ 2.30GHz</td>
			<td>64-bit Win11 processor&#160;</td>
		</tr>
	</tbody>
</table>

image recognition and parameter analysis of concrete vibration state based on support vector machine

इस पत्र में, दिशात्मक ढाल हिस्टोग्राम तकनीक को विभिन्न कंपन राज्यों के तहत कैप्चर किए गए ठोस छवि नमूनों की विशेषताओं को निकालने के लिए नियोजित किया जाता है। समर्थन वेक्टर मशीन (एसवीएम) का उपयोग छवि सुविधाओं और कंपन स्थिति के बीच संबंध जानने के लिए किया जाता है। मशीन सीखने के परिणामों का उपयोग बाद में कंक्रीट कंपन राज्य की व्यवहार्यता का आकलन करने के लिए किया जाता है। इसके साथ ही, मान्यता सटीकता पर दिशात्मक ढाल हिस्टोग्राम के गणना मापदंडों के प्रभाव तंत्र का विश्लेषण किया जाता है। परिणाम कंक्रीट की कंपन स्थिति की पहचान करने के लिए दिशात्मक ढाल हिस्टोग्राम-एसवीएम तकनीक का उपयोग करने की व्यवहार्यता प्रदर्शित करते हैं। पहचान सटीकता शुरू में बढ़ जाती है और फिर दिशात्मक ढाल के ब्लॉक आकार के रूप में घट जाती है, या सांख्यिकीय अंतराल की संख्या बढ़ जाती है। मान्यता सटीकता भी बिनाराइजेशन थ्रेशोल्ड की वृद्धि के साथ रैखिक रूप से घट जाती है। 1024 पिक्सल x 1024 पिक्सल के रिज़ॉल्यूशन के साथ नमूना छवियों का उपयोग करके और फीचर निष्कर्षण मापदंडों को अनुकूलित करके, 100% की मान्यता सटीकता प्राप्त की जा सकती है।

Concrete is a fundamental building material extensively used in the construction industry. During pumping, the concrete frequently develops voids that require compaction through vibration. Inadequate vibration may result in a honeycombed concrete surface, while excessive vibration can lead to concrete segregation1,2. The quality of vibration operation significantly impacts the strength3,4,5,6 and durability of the formed concrete structures7,8. Cai et al.9,10 conducted a study that combined experimental research with numerical analysis to investigate the influence mechanism of vibration on aggregate settlement and concrete durability. The findings revealed that vibration time and aggregate particles exert a substantial impact on aggregate settlement, while aggregate density and the plastic viscosity of the cement-based material have minimal effects. Vibration causes aggregate deposition at the bottom of the concrete specimens. Moreover, as the vibration time increases, the chloride ion concentration decreases at the bottom of the concrete specimens while significantly increasing at the top9,10.
Currently, the assessment of concrete vibration state relies predominantly on manual judgment. As the construction industry continues to progress through intelligent reforms, robot operations have emerged as the future direction11,12. Consequently, a crucial challenge in intelligent vibration operations is how to enable robots to identify the vibration state of concrete.
The histogram of the oriented gradient is a technique that utilizes the intensity gradient of pixels or the distribution of edge directions as a descriptor to characterize the representation and shape of objects in images13,14. This approach operates on the local grid cells of the image, providing robust stability in characterizing image changes under various geometric and optical conditions.
Zhou et al.15 proposed a method for directly extracting directional gradient features from Bayer mode images. This approach omits numerous steps in calculating the directional gradient by matching the color filter column with the gradient operator, thereby significantly reducing the computational requirements for directional gradient image recognition. He et al.16 utilized the directional gradient histogram as the underlying feature and employed the mean clustering algorithm to classify rail fasteners and determine whether the fasteners are defective. The recognition results indicated that the histogram of the oriented gradient feature exhibited high sensitivity to fastener defects, meeting the needs of railway maintenance and repair. In another study, Xu et al.17 preprocessed face image features using Gabor wavelet filtering and reduced the dimension of feature vectors through binary coding and the HOG algorithm. The average recognition accuracy of the method is 92.5%.
The support vector machine (SVM)18 is used to map the vector into a high-dimensional space and establishes a separating hyperplane with a suitable direction to maximize the distance between two parallel hyperplanes. This allows for the classification of support vectors19. Scholars have improved and optimized this classification technology, leading to its application in various fields such as image recognition20,21, text classification22, reliability prediction23, and fault diagnosis24.
Li et al.25 developed a two-stage SVM model for seismic failure pattern recognition, focusing on three seismic failure modes. The analysis results indicate that the proposed two-stage SVM method can achieve more than 90% accuracy for the three failure modes. Yang et al.26 integrated an optimization algorithm with the SVM to simulate the relationship between the five ultrasonic parameters and the stress of the loaded concrete. The performance of an unoptimized SVM is unsatisfactory, particularly in the low-stress stage. However, traversing the model optimized by the algorithm yields improved results, albeit with lengthy computation times. In comparison, the particle swarm optimization optimized SVM significantly reduces the calculation time while delivering optimal simulation results. Yan et al.27 employed SVM technology and introduced a precision-insensitive loss function to predict the elastic modulus of high-strength concrete, comparing its prediction accuracy against the traditional regression model and neural network model. The research findings demonstrate that the SVM technology produces a smaller prediction error for elastic modulus compared to other methods.
This paper collects image samples of concrete under various vibration states and describes the concrete&#39;s different states using the directional gradient histogram technique. The directional gradient is employed as a feature vector for training the SVM, and the study focuses on the viability of using the directional gradient histogram-SVM technology to identify the vibration state of concrete. Additionally, the paper analyzes the influence mechanism between three key parameters-binarization threshold, directional gradient statistical block size, and directional gradient statistical interval number-in the feature extraction process of the directional gradient histogram and the recognition accuracy of the SVM.

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines 

समर्थन वेक्टर मशीन के आधार पर कंक्रीट कंपन राज्य की छवि पहचान और पैरामीटर विश्लेषण

इस प्रोटोकॉल का उद्देश्य यह विश्लेषण करना है कि दिशात्मक ढाल सुविधा के तीन-वेक्टर गणना पैरामीटर कंक्रीट कंपन स्थिति की पहचान करने में एसवीएम की सटीकता को कैसे प्रभावित करते हैं। दिशात्मक ढाल सुविधा ?...

Watch this Scientific Journal Video about Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines at JoVE.com

इस पत्र में वर्णित प्रोटोकॉल विभिन्न कंपन राज्यों के तहत ठोस छवि नमूनों की विशेषताओं को निकालने के लिए दिशात्मक ढाल हिस्टोग्राम तकनीक का उपयोग करता है। यह मशीन सीखने के लिए एक समर्थन वेक्टर मशीन को नियोजित करता है, जिसके परिणामस्वरूप न्यूनतम प्रशिक्षण नमूना आवश्यकताओं और कम कंप्यूटर प्रदर्शन मांगों के साथ एक छवि पहचान विधि होती है।

In this paper, the directional gradient histogram technology is employed to extract the features of concrete image samples captured under different ...

इस पत्र में वर्णित प्रोटोकॉल विभिन्न कंपन कोशिकाओं के तहत एक ठोस छवि नमूने की विशेषताओं को निकालने के लिए दिशात्मक ढाल हिस्टोग्राम तकनीक का उपयोग किया. यह मशीन सीखने के लिए एक समर्थन वेक्टर मशीन को नियोजित करता है, जिसके परिणामस्वरूप न्यूनतम प्रशिक्षित नमूना आवश्यकताओं और कम कंप्यूटर प्रदर्शन मांगों के साथ इमेजिंग मान्यता विधि होती है। यह दृष्टिकोण आवश्यक नमूनों की संख्या को काफी कम करता है, और कंप्यूटर प्रदर्शन आवश्यकताओं को कम करता है।2.3 गीगाहर्ट्ज़ केंद्रीय प्रसंस्करण इकाइयों पर एक लैपटॉप समकक्ष के साथ, मान्यता प्रक्रिया केवल 50 सेकंड के भीतर समर्थित वेक्टर मशीन के ट्रेन स्पेस भेदभाव को पूरा करती है। 128 परियोजनाओं और 128 परियोजनाओं के आकार से नीचे छवि विभाजन का उपयोग किया जाता है। सांख्यिकीय कोण व्युत्क्रम के लिए दिशात्मक वैक्टर की संख्या 12 पर सेट है।224 रिज़ॉल्यूशन छवि प्रक्रिया में, मशीन सीखने के परिणाम के लिए सर्वोत्तम पहचान घटना प्राप्त की जाती है।

image-recognition-parameter-analysis-concrete-vibration-state-based

Research

Education

JoVE Core

JoVE Journal

Civil Engineering

Engineering

Unit 1

Image Recognition and Parameter Analysis of Concrete Vibration State Based on Support Vector Machine

Mixing, Placing and Curing Concrete 

SCIENTISTS IN ACTION

In this paper, the directional gradient histogram technology is employed to extract the features of concrete image samples captured under different vibration states. The support vector machine (SVM) is utilized to learn the relationship between image features and vibration state. The machine learning results are subsequently used to assess the feasibility of the concrete vibration state. Simultaneously, the influence mechanism of the calculation parameters of the directional gradient histogram on the recognition accuracy is analyzed. The results demonstrate the feasibility of using the directional gradient histogram-SVM technology to identify the vibration state of concrete. The recognition accuracy initially increases and then decreases as the block size of the directional gradient, or the number of statistical intervals increases. The recognition accuracy also decreases linearly with the increase of the binarization threshold. By using sample images with a resolution of 1024 pixels x 1024 pixels and optimizing the feature extraction parameters, a recognition accuracy of 100% can be attained.

The protocol described in this paper utilizes the directional gradient histogram technique to extract the characteristics of concrete image samples under various vibration states. It employs a support vector machine for machine learning, resulting in an image recognition method with minimal training sample requirements and low computer performance demands.

Concrete Sample Image Acquisition to Extract Concrete Characteristics

कंक्रीट विशेषताओं को निकालने के लिए कंक्रीट नमूना छवि अधिग्रहण

Gray Binarization of Concrete Image Sample

कंक्रीट छवि नमूने का ग्रे बिनाराइजेशन

Calculation of Directional Gradient Eigenvalue for Support Vector Machine Training

After binarizing the concrete images, calculate the horizontal and vertical binary gradient of each pixel in the image using this equation. Calculate the binary gradient direction and size of each point using this equation. Then determine the size of the image segmentation block represented as n.To divide the image into square blocks of n by n, set a segmentation line for every n pixels along the horizontal axis and the vertical axis. Classify pixels into the appropriate gradient's statistical angle interval of each direction based on the binary gradient direction of each pixel in the block. To obtain the gradient statistical value of that interval, sum the binary gradient of the pixels in the gradient statistical angle interval of each direction in the counterclockwise direction.Record the results obtained for the gradient statistical angle interval directional gradient statistics. Next, divide samples into precise calculation areas where each area consists of four adjacent blocks. Calculate the statistical value of the directional gradient within the angle interval for each block in the specified calculation area.Then generate the feature vector with the directional gradient's statistics as a component. Combine the directional gradient feature vectors derived from each calculation area to obtain the directional gradient feature vector of the image. As the block size is expanded to a certain extent, the directional gradient features in each block of concrete image samples with different vibration states exhibit significant differences.