| Summary: | Penghasilan sesebuah konkrit bergantung kepada kandungan agregat (batu baur) yang
terkandung di dalam konkrit tersebut. Bentuk agregat-agregat yang terdapat di dalam
konkrit dikatakan mempengaruhi kualiti konkrit yang akan dihasilkan. Agregat yang
mempunyai bentuk yang dikatakan elok (well-shaped) akan menghasilkan konkrit yang
bermutu tinggi dengan mengurangkan kadar air kepada simen di dalam konkrit.
Sebaliknya, bentuk agregat-agregat yang buruk (poor-shaped) selalunya menyebabkan
penghasilan sesebuah konkrit itu memerlukan kadar air kepada simen yang tinggi.
Kebiasaannya, kualiti sesebuah konkrit ditentukan dengan mengira kadar peratusan
kandungan agregat yang elok kepada agregat yang buruk yang terkandung di dalam
konkrit. Masalah penentuan secara manual ini ialah lambat, terlalu subjektif dan
memerlukan tenaga buruh yang ramai, sekaligus menyebabkan tidak efektif dan mahal.
Dalam usaha untuk mengurangkan masalah ini, penyelidikan yang dilakukan telah
memfokuskan kepada pembangunan sistem pengecaman pintar bentuk agregat
berasaskan rangkaian neural. Sistem yang dibangunkan menggunakan teknik
pemprosesan imej digital dan rangkaian neural untuk mengkelaskan bentuk-bentuk
agregat yang diperolehi kepada dua kategori, "elok" dan "buruk". Sistem ini merangkumi
dua bahagian utama iaitu pengekstrakan ciri-ciri imej dan pengecaman. Dalam bahagian
pengekstrakan ciri-ciri imej, ciri-ciri yang dipertimbangkan ialah momen Zernike, momen
Hu, saiz dan ukurlilit. Pengekstrakan ciri-ciri momen Zernike dan momen Hu dikira
berdasarkan kepada saiz dan ukurlilit objek. Disebabkan momen Hu peringkat tinggi lebih
sensitif kepada hingar, maka hanya momen Hu peringkat pertama dan kedua sahaja digunakan. Bagi ciri momen Zernike pula, nilai momen yang digunakan ialah jumlah
penambahan nilai momen Zernike dari tertib 0 hingga tertib 4 kerana ia memberikan
keputusan perkelompokan yang lebih baik. Dalam bahagian pengecaman, rangkaian
neural yang dibangunkan ialah rangkaian hibrid berbilang lapisan perceptron (HMLP).
Rangkaian tersebut telah dilatih menggunakan algoritma ralat ramalan berulang
terubahsui (MRPE) dan memberikan prestasi pengecaman sebanyak 85.53%. Ini
membuktikan sistem pengecaman bentuk agregat secara automatik yang dibangunkan
berjaya mengkelaskan bentuk-bentuk agregat kepada dua kategori iaitu "elok" dan
"buruk". Sebagai langkah awal untuk menghasilkan sistem pengecaman bentuk agregat
mudah alih, sistem pengecaman menggunakan mikro pengawal juga telah dihasilkan dan
dibuktikan keberkesanan dan kebolehpercayaannya. Sistem pengecaman yang
berasaskan mikro pengawal ini telah menghasilkan peratus pengecaman yang sama
nilainya dengan peratus pengecaman yang diperolehi menggunakan komputer peribadi.
|
|---|