Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej
The 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 m...
Zapisane w:
| 1. autor: | |
|---|---|
| Format: | Online |
| Język: | polski |
| Wydane: |
Lublin University of Technology Publishing House
2025
|
| Hasła przedmiotowe: | |
| Dostęp online: | https://directory.doabooks.org/handle/20.500.12854/161105 |
| Etykiety: |
Nie ma etykietki, Dołącz pierwszą etykiete!
|
| _version_ | 1869528924528050176 |
|---|---|
| author | Kłosowski, Grzegorz |
| author_browse | Kłosowski, Grzegorz |
| author_facet | Kłosowski, Grzegorz |
| author_sort | Kłosowski, Grzegorz |
| collection | Directory of Open Access Books |
| description | The 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 |
| format | Online |
| id | doab-20.500.12854ir-161105 |
| institution | Directory of Open Access Books |
| language | pol |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Lublin University of Technology Publishing House |
| publisherStr | Lublin University of Technology Publishing House |
| record_format | ojs |
| spelling | doab-20.500.12854ir-1611052025-06-03T08:16:38Z Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej Kłosowski, Grzegorz moisture testing, non-destructive inspection, machine learning, electrical impedance tomography, neural networks thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning The 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 Published Przedmiotem 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. 2025-06-03T08:16:37Z 2025-06-03T08:16:37Z 2025 book 978-83-7947-628-2 https://directory.doabooks.org/handle/20.500.12854/161105 pol image/jpeg Attribution-NonCommercial-NoDerivatives 4.0 International https://rock.pollub.pl/entities/publication/032a14e5-5c8e-4153-9cf7-2dfd9e361e6d Lublin University of Technology Publishing House Lublin University of Technology Publishing House 10.35784/9788379476282 Przedmiotem 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. 10.35784/9788379476282 25440dcb-6509-4ffb-b078-818857fbed4b 978-83-7947-628-2 Lublin University of Technology Publishing House Lublin open access |
| spellingShingle | moisture testing, non-destructive inspection, machine learning, electrical impedance tomography, neural networks thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning Kłosowski, Grzegorz Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title | Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title_full | Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title_fullStr | Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title_full_unstemmed | Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title_short | Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii impedancyjnej |
| title_sort | zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murow z wykorzystaniem tomografii impedancyjnej |
| topic | moisture testing, non-destructive inspection, machine learning, electrical impedance tomography, neural networks thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning |
| topic_facet | moisture testing, non-destructive inspection, machine learning, electrical impedance tomography, neural networks thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning |
| url | https://directory.doabooks.org/handle/20.500.12854/161105 |
| work_keys_str_mv | AT kłosowskigrzegorz zastosowanieuczeniamaszynowegodoobrazowaniastanuzawilgoceniamurowzwykorzystaniemtomografiiimpedancyjnej |