Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej

dc.abstract.enThe subject of the considerations contained in this study is the comparison and verification of the effectiveness of selected methods of transforming tomographic measurements into images. The research centers on the application of electrical impedance tomography (ETI) as a technique for imaging moisture distributions within building walls. Both deterministic methods and modern methods based on machine learning were used in the research. The research was conducted in laboratory conditions and in the historical building of the Golden Gate in Gdańsk. A hybrid, multi-branch neural network model was developed, which was used to transform moisture measurements taken at three research stations. The research showed that the use of the multi-branch LSTM+CNN neural network model in combination with the ETI tomography technique is characterized by high effectiveness. Validation measurements confirmed the high accuracy of tomographic reconstructions, which is proof of the effectiveness and utilitarian potential of the described method.
dc.abstract.plPrzedmiotem rozważań zawartych w niniejszym opracowaniu jest porównanie i weryfikacja skuteczności wybranych metod transformacji pomiarów tomograficznych na obrazy. Badania koncentrują się na elektrycznej tomografii impedancyjnej (ETI) wykorzystanej jako metoda obrazowania rozkładów wilgoci wewnątrz ścian budynków. Zastosowano w nich zarówno metody deterministyczne, jak również nowoczesne metody oparte na uczeniu maszynowym. Badania prowadzone były w warunkach laboratoryjnych oraz w obiekcie historycznym Złota Brama w Gdańsku. Opracowano model hybrydowej, wielogałęziowej sieci neuronowej, za której pomocą dokonano transformacji pomiarów wilgotności zrealizowanych na trzech stanowiskach badawczych. Wykazano, że zastosowanie modelu wielogałęziowej sieci neuronowej LSTM+CNN w połączeniu z techniką tomografii ETI cechuje wysoka skuteczność. Pomiary walidacyjne potwierdziły dokładność rekonstrukcji tomograficznych, co jest dowodem efektywności i potencjału utylitarnego opisywanej metody.
dc.affiliationPolitechnika Lubelska
dc.contributor.authorKłosowski, Grzegorz
dc.date.accessioned2025-02-13T13:21:50Z
dc.date.available2025-02-13T13:21:50Z
dc.date.issued2025
dc.description.physical221
dc.description.seriesMonografie - Politechnika Lubelska
dc.description.versionfinal_published
dc.identifier.doi10.35784/9788379476282
dc.identifier.eisbn978-83-7947-628-2
dc.identifier.isbn978-83-7947-627-5
dc.identifier.orcid0000-0001-7927-3674
dc.identifier.urihttps://hdl.handle.net/20.500.14629/18428
dc.languagepl
dc.language.otheren
dc.pubinfoLublin
dc.publisher.ministerialPolitechnika Lubelska
dc.rightsCC-BY-SA-4.0
dc.share.articleOPEN_REPOSITORY
dc.subject.enmoisture testing
dc.subject.ennon-destructive inspection
dc.subject.enmachine learning
dc.subject.enelectrical impedance tomography
dc.subject.enneural networks
dc.subject.plbadanie zawilgocenia
dc.subject.plkontrola nieniszcząca
dc.subject.pluczenie maszynowe
dc.subject.plelektryczna tomografia impedancyjna
dc.subject.plsieci neuronowe
dc.subtypeMonograph
dc.titleZastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej
dc.title.alternativeApplication of machine learning to masonry moisture condition imaging using impedance tomography
dc.typeBook
dspace.entity.typePublicationen
Files

Original bundle

Name:
Zastosowanie_uczenia_9788379476282.pdf
Size:
42.03 MB
Format:
Adobe Portable Document Format
Licence:
CC-BY-SA 4.0
Download

License bundle

Name:
license.txt
Size:
312 B
Format:
Item-specific license agreed to upon submission
Description:
Download
Publication available in collections:
LUT Publishing House Publications
Open Access Publications