Mostrar el registro sencillo del ítem
dc.contributor.author
Resende, Lucas
dc.contributor.author
Finotti, Rafaelle
dc.contributor.author
Barbosa, Flávio
dc.contributor.author
Garrido, Carlos Hernán
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Cury, Alexandre
dc.contributor.author
Domizio, Martin Norberto
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2023-12-13T18:14:29Z
dc.date.issued
2023-08
dc.identifier.citation
Resende, Lucas; Finotti, Rafaelle; Barbosa, Flávio; Garrido, Carlos Hernán; Cury, Alexandre; et al.; Damage identification using convolutional neural networks from instantaneous displacement measurements via image processing; Sage Publications Ltd; Structural Health Monitoring-an International Journal; 8-2023; 1-14
dc.identifier.issn
1475-9217
dc.identifier.uri
http://hdl.handle.net/11336/220228
dc.description.abstract
This work investigates the effectiveness of using convolutional neural networks (CNNs) and instantaneous displacement measurements for damage identification in beams. The study involves subjecting laboratory beams to eight distinct damage scenarios and capturing the vertical positions of 60 points along the beam length during free-vibration tests using a high-speed camera. The data obtained was subsequently used to train a CNN in a supervised manner to estimate the level of damage at each point. Results showed that the CNN models were able to correctly localize and quantify the damage levels when trained on data from all damage scenarios. The soundness of the proposed methodology was demonstrated in a robustness assessment, where all eight damage scenarios were correctly identified even when two of them were excluded from the training dataset.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Sage Publications Ltd
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
CONVOLUTIONAL NEURAL NETWORK
dc.subject
DAMAGE IDENTIFICATION
dc.subject
FREE VIBRATION
dc.subject
HIGH-SPEED CAMERA
dc.subject
INSTANTANEOUS DISPLACEMENT
dc.subject
PHOTOGRAMMETRY
dc.subject.classification
Ingeniería de Sistemas y Comunicaciones
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Estructural
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Civil
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Mecánica Aplicada
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Mecánica
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Damage identification using convolutional neural networks from instantaneous displacement measurements via image processing
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2023-12-12T15:43:10Z
dc.journal.pagination
1-14
dc.journal.pais
Estados Unidos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Nueva York
dc.description.fil
Fil: Resende, Lucas. Universidade Federal de Juiz de Fora; Brasil
dc.description.fil
Fil: Finotti, Rafaelle. Universidade Federal de Juiz de Fora; Brasil
dc.description.fil
Fil: Barbosa, Flávio. Universidade Federal de Juiz de Fora; Brasil
dc.description.fil
Fil: Garrido, Carlos Hernán. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Cuyo. Facultad de Ingeniería. Instituto de Mecánica Estructural y Riesgo Sísmico; Argentina
dc.description.fil
Fil: Cury, Alexandre. Universidade Federal de Juiz de Fora; Brasil
dc.description.fil
Fil: Domizio, Martin Norberto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Cuyo. Facultad de Ingeniería. Instituto de Mecánica Estructural y Riesgo Sísmico; Argentina
dc.journal.title
Structural Health Monitoring-an International Journal
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://journals.sagepub.com/doi/10.1177/14759217231193102
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1177/14759217231193102
Archivos asociados