Uporaba metod strojnega učenja za razvrščanje lesa v trdnostne razrede

Jan Dobnikar (2012) Uporaba metod strojnega učenja za razvrščanje lesa v trdnostne razrede. Diplomska naloga.

Predogled

PDF Prenos (2254Kb)

Povzetek

Diplomska naloga obravnava problem razvrščanja lesa v trdnostne razrede. Vsak material, uporabljen v konstrukciji, mora biti razvrščen v trdnostni razred in ustrezno označen z oznako CE. Za razvrstitev v določen trdnostni razred mora izpolnjevati minimalne zahteve tega razreda glede mehanskih karakteristik. Les je nehomogen anizotropen material. Trdnost lesa znotraj posamezne vrste je med drugim odvisna tudi od dela debla, s katerega odreţemo preizkušanec, od nahajališča, okolice, prsti, starosti, poškodovanosti, grčavosti itd. Edini način za točno določitev trdnosti lesa je porušitev preizkušanca. Trenutno je v Sloveniji uveljavljeno le vizualno ocenjevanje lesa, ki pa je zelo konzervativno, zato je veliko dobrega lesa prodanega pod zasluţeno ceno. V nalogi smo z uporabo metod strojnega učenja razvili sistem, ki je osnova za boljše razvrščanje lesenih elementov v razrede. Analizirano je bilo več kot 5000 lesenih preizkušancev, na katerih so bile opravljene tako neporušne kot porušne preiskave. Rezultati preiskav so bili obdelani s programoma WEKA Toolkit in IBM SPSS 20. Poleg osnovnih statističnih testov so bile za obdelavo uporabljene nevronske mreţe in regresijska drevesa. Pokazali smo, da je bil izbrani vzorec dovolj velik, ter da so nevronske mreţe primerno orodje za določevanje parametrov za klasificiranje lesa na osnovi rezultatov neporušnih analiz.

Akcije (potrebna je prijava)