تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > بحث>Challenges and Opportunities i...>الوصف

Challenges and Opportunities in AI-Based Structural Health Monitoring Solutions

العنوان بلغة أخرى: التحديات والفرص في حلول مراقبة الصحة الهيكلية القائمة على الذكاء الاصطناعي
المصدر: مجلة شمال إفريقيا للنشر العلمي
الناشر: الأكاديمية الأفريقية للدراسات المتقدمة
المؤلف الرئيسي: حمد، أميرة المبروك عوض (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hamed, Amera Al Aouth
المجلد/العدد: مج2, ع4
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2024
الشهر: ديسمبر
الصفحات: 1 - 7
ISSN: 2959-4820
رقم MD: 1525380
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
البنية التحتية | تكنولوجيا المعلومات | الصحة البنيوية | الرقابة الإلكترونية
كلمات المؤلف المفتاحية:
الذكاء الاصطناعي | مراقبة الصحة البنيوية | مراقبة الصحة البنيوية القائمة على الرؤية | الذكاء الاصطناعي المستند إلى الفيزياء | الذكاء الاصطناعي القابل للتفسير | Artificial Intelligence | Structural Health Monitoring | Vision-Based SHM | Physics-Informed Artificial Intelligence | Interpretable Artificial Intelligence
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: يُعَدُّ دمج تقنيات الذكاء الاصطناعي (AI) المتقدمة في مراقبة الصحة الهيكلية (SHM) تحولاً كبيرًا في كيفية مراقبة البنية التحتية وصيانتها. يستعرض هذا البحث العديد من التطورات الحديثة في هذا المجال، مع التركيز بشكل خاص على المراقبة البصرية للصحة الهيكلية، والتي تعتمد على تقنيات التعرف على الصور ومعالجة الفيديو المدعومة بالذكاء الاصطناعي للكشف عن الأضرار الهيكلية وتقييم تدهور المواد وخصائص الأداء. علاوةً على ذلك، يُعَدُّ الذكاء الاصطناعي المستند إلى الفيزياء (PIAI) نهجا قويًا يجمع بين النمذجة القائمة على الفيزياء والتقنيات المستندة إلى البيانات، مما يضمن أن تكون تنبؤات الذكاء الاصطناعي متماشية مع المبادئ الهندسية الأساسية. وللتعامل مع الطبيعة "الصندوق الأسود" للنماذج التقليدية للذكاء الاصطناعي، يكتسب الذكاء الاصطناعي التفسيري (XAI) أهمية متزايدة من خلال تقديم رؤى حول كيفية ولماذا تتخذ النماذج القرارات، مما يعزز الثقة والاعتماد على هذه النماذج في تطبيقات SHM الحرجة. كما يستعرض البحث التطبيقات المتنوعة للذكاء الاصطناعي في SHM، مثل المراقبة في الوقت الفعلي، وتصنيف الأضرار، والصيانة التنبؤية، والتفتيش الذاتي باستخدام الطائرات بدون طيار والروبوتات. ومع ذلك، هناك العديد من التحديات والقيود التي تعيق التطبيق الواسع لهذه التقنيات، بما في ذلك جودة البيانات، وقابلية تفسير النماذج، وتعقيد العمليات الحسابية، وتكامل الأنظمة. أخيرًا، يناقش البحث الاتجاهات المستقبلية، مسلطا الضوء على الحاجة إلى نماذج تفسيرية وهجينة، والتوسع في أنظمة المراقبة الذاتية المدعومة بالذكاء الاصطناعي، ودمج تقنيات إنترنت الأشياء (IoT) والحوسبة الطرفية. تحمل هذه التطورات القدرة على إحداث ثورة في مراقبة وإدارة البنية التحتية الحرجة، مما يجعل الذكاء الاصطناعي عنصرًا أساسيا في أنظمة SHM المستقبلية.

The integration of advanced Artificial Intelligence (AI) techniques into Structural Health Monitoring (SHM) has transformed the way infrastructure is monitored and maintained. This paper explores several cutting-edge developments in the field, with a particular focus on vision-based SHM, which leverages Al-driven image recognition and video processing to detect and assess structural damage, material degradation, and performance characteristics. Furthermore, Physics-Informed Artificial Intelligence (PIAI) emerges as a powerful approach that combines physics-based modeling with data- driven techniques, ensuring that Al predictions align with fundamental engineering principles. To address the "black-box" nature of traditional Al models, Interpretable Artificial Intelligence (XAI) is gaining importance, providing insights into how and why Al models make specific predictions, thereby increasing trust and adoption in critical SHM applications. The paper also reviews the diverse applications of Al in SHM, such as real-time monitoring, damage classification, predictive maintenance, and autonomous inspections using drones and robotics. However, several challenges and limitations impede widespread implementation, including data quality, model interpretability, computational complexity, and system integration. Lastly, future trends and directions are discussed, highlighting the need for explainable and hybrid models, the expansion of Al-driven autonomous monitoring systems, and the integration of loT and edge computing technologies. These advancements hold the potential to revolutionize the monitoring and management of critical infrastructure, making Al a key enabler for future SHM systems.
ISSN: 2959-4820

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.