Sistem pintar pengecaman bentuk agregat berasaskan rangkaian neural

Joret, Ariffuddin (2005) Sistem pintar pengecaman bentuk agregat berasaskan rangkaian neural. Masters thesis, Universiti Sains Malaysia.

[img]
Preview
PDF
1224Kb

Abstract

Penghasilan sesebuah konkrit bergantung kepada kandungan agregat (batu baur) yang terkandung di dalam konkrit tersebut. Bentuk agregat-agregat yang terdapat di dalam konkrit dikatakan mempengaruhi kualiti konkrit yang akan dihasilkan. Agregat yang mempunyai bentuk yang dikatakan elok (well-shaped) akan menghasilkan konkrit yang bermutu tinggi dengan mengurangkan kadar air kepada simen di dalam konkrit. Sebaliknya, bentuk agregat-agregat yang buruk (poor-shaped) selalunya menyebabkan penghasilan sesebuah konkrit itu memerlukan kadar air kepada simen yang tinggi. Kebiasaannya, kualiti sesebuah konkrit ditentukan dengan mengira kadar peratusan kandungan agregat yang elok kepada agregat yang buruk yang terkandung di dalam konkrit. Masalah penentuan secara manual ini ialah lambat, terlalu subjektif dan memerlukan tenaga buruh yang ramai, sekaligus menyebabkan tidak efektif dan mahal. Dalam usaha untuk mengurangkan masalah ini, penyelidikan yang dilakukan telah memfokuskan kepada pembangunan sistem pengecaman pintar bentuk agregat berasaskan rangkaian neural. Sistem yang dibangunkan menggunakan teknik pemprosesan imej digital dan rangkaian neural untuk mengkelaskan bentuk-bentuk agregat yang diperolehi kepada dua kategori, "elok" dan "buruk". Sistem ini merangkumi dua bahagian utama iaitu pengekstrakan ciri-ciri imej dan pengecaman. Dalam bahagian pengekstrakan ciri-ciri imej, ciri-ciri yang dipertimbangkan ialah momen Zernike, momen Hu, saiz dan ukurlilit. Pengekstrakan ciri-ciri momen Zernike dan momen Hu dikira berdasarkan kepada saiz dan ukurlilit objek. Disebabkan momen Hu peringkat tinggi lebih sensitif kepada hingar, maka hanya momen Hu peringkat pertama dan kedua sahaja digunakan. Bagi ciri momen Zernike pula, nilai momen yang digunakan ialah jumlah penambahan nilai momen Zernike dari tertib 0 hingga tertib 4 kerana ia memberikan keputusan perkelompokan yang lebih baik. Dalam bahagian pengecaman, rangkaian neural yang dibangunkan ialah rangkaian hibrid berbilang lapisan perceptron (HMLP). Rangkaian tersebut telah dilatih menggunakan algoritma ralat ramalan berulang terubahsui (MRPE) dan memberikan prestasi pengecaman sebanyak 85.53%. Ini membuktikan sistem pengecaman bentuk agregat secara automatik yang dibangunkan berjaya mengkelaskan bentuk-bentuk agregat kepada dua kategori iaitu "elok" dan "buruk". Sebagai langkah awal untuk menghasilkan sistem pengecaman bentuk agregat mudah alih, sistem pengecaman menggunakan mikro pengawal juga telah dihasilkan dan dibuktikan keberkesanan dan kebolehpercayaannya. Sistem pengecaman yang berasaskan mikro pengawal ini telah menghasilkan peratus pengecaman yang sama nilainya dengan peratus pengecaman yang diperolehi menggunakan komputer peribadi.

Item Type:Thesis (Masters)
Subjects:T Technology > TA Engineering (General). Civil engineering (General)
ID Code:1056
Deposited By:Ms Aryanti Ahmad
Deposited On:19 Apr 2011 12:24
Last Modified:29 Apr 2011 14:42

Repository Staff Only: item control page