Zastosowanie uczenia maszynowego do obrazowania stanu zawilgocenia murów z wykorzystaniem tomografii

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.

(ze Streszczenia)