Ushbu tadqiqot bino tashqi fasad issiqlik izolyatsiyasi tizimlaridagi yopishish holatini konstruksiyaga zarar yetkazmasdan baholash maqsadida yer radari o‘lchovlarini ko‘p modulli sun’iy intellekt bilan birlashtiradigan boshidan oxirigacha ishlaydigan usulni taklif etadi. Tizim uchta holatni tasniflaydi: normal yopishish, izolyatsiya plitasi bilan yopishtiruvchi qorishma orasidagi yuqori qatlam ajralishi va yopishtiruvchi qorishma bilan asosiy devor orasidagi pastki sirt ajralishi.

Tadqiqotchilar faqat radar tasvirining vizual shakliga tayanuvchi usullar zaif aks-sadolarni o‘tkazib yuborishi va bir-biriga o‘xshash ajralish turlarini farqlashda qiynalishi mumkinligini ta’kidlaydi. Taklif etilgan tizim bu muammoni uch bosqichda hal qiladi. Birinchi bosqichda radar signalining fizik xususiyatlari bilan B-skan tasvirining vizual xususiyatlari birgalikda qayta ishlanadi va zaif aks-sadolar uchun qo‘shimcha nomzod hududlar yaratiladi. Ikkinchi bosqichda qo‘shni skan kesimlaridagi ma’lumotlar kichik joylashuv siljishlari tuzatilgan holda birlashtiriladi. Yakuniy bosqichda fizik ma’noga ega qo‘lda ishlab chiqilgan xususiyatlar chuqur neyron tarmoq o‘rgangan xususiyatlar bilan birlashtirilib, XGBoost tasniflagichiga uzatiladi.

Ma’lumotlar tadqiqotchilar ishlab chiqqan, 16 ta uzatgich va 16 ta qabul qilgichga ega, 4–8 GHz ish diapazonidagi uch o‘lchovli pog‘onali chastotali yer radari yordamida to‘plangan. Laboratoriya tajribalarida turli izolyatsiya qalinliklari va 2–9 millimetr oralig‘idagi sun’iy ajralish bo‘shliqlari qo‘llangan. Haqiqiy dala ma’lumotlari esa Pekinning Tongzhou tumanidagi bir shifoxonaning to‘rtta fasadidan olingan. Jami 1.902 namuna 1.331 ta o‘qitish, 380 ta validatsiya va 191 ta test namunasiga ajratilgan.

Taklif etilgan aks-sado aniqlash moduli joylashuv aniqligining qat’iyroq mezoni bo‘lgan mAP@0.5:0.95 bo‘yicha 0,9194 natijaga erishgan. Bu ko‘rsatkich Faster R-CNN uchun 0,8046, YOLOv7 uchun 0,8000 va DINO-DETR uchun 0,8481 deb xabar qilingan. Yakuniy uch sinfli tizim 191 namunadan iborat test to‘plamida 92 foiz aniqlikka erishgan. Test natijalarida normal yopishish uchun sezgirlik 97 foiz, pastki sirt ajralishi uchun aniqlik 95 foiz, namunasi kamroq bo‘lgan yuqori ajralish sinfi uchun aniqlik 93 foiz va sezgirlik 88 foiz deb hisobot qilingan.

Bu natijalar yer radari signalining fizik ma’lumotlarini tasvir xususiyatlari bilan birlashtirish zaif aks-sadolarni topish va o‘xshash nuqson turlarini farqlashni yaxshilashi mumkinligini ko‘rsatadi. Biroq tadqiqot ekspert baholashidan o‘tmagan. Test to‘plami atigi 191 namunadan iborat va mutlaqo mustaqil bino yoki shaharda tashqi validatsiya taqdim etilmagan. Modelning ishlov berish vaqti, fasaddagi haqiqiy skanerlash tezligi va katta miqyosli dala qo‘llanmasidagi xato ko‘rsatkichlari ham o‘lchanmagan.

Turkiya nuqtayi nazaridan baholash: Ushbu usul Turkiyadagi shifoxonalar, maktablar, jamoat binolari, ommaviy turar joylar va ko‘p qavatli inshootlarning tashqi fasad issiqlik izolyatsiya plitalari yopishish holatini zarar yetkazmasdan tekshirish bo‘yicha tadqiqotlarda qo‘llanishi mumkin. Buning uchun Turkiyada keng tarqalgan EPS va XPS plitalari, turli yopishtiruvchi qorishmalar, suvoq va qoplama turlari, bino yoshi, iqlim ta’siri hamda montaj nuqsonlari asosida mahalliy ma’lumotlar to‘plamlari tuzilishi kerak. Yangi binolar to‘liq o‘qitish ma’lumotlaridan alohida saqlanib, bino darajasida tashqi test o‘tkazilishi; radar natijalari nazoratli demontaj, kern olish, termal tasvirlash yoki mutaxassis ko‘rigi bilan tasdiqlanishi lozim. Ushbu tadqiqotdan Turkiyada bevosita 92 foizlik muvaffaqiyat, me’yoriy talablarga muvofiqlik, fasad xavfsizligi bo‘yicha qaror yoki nuqsonsiz dala aniqlashi xulosasini chiqarib bo‘lmaydi.

Tadqiqot ko‘rib chiqayotgan muhandislik muammosi

Tashqi fasad issiqlik izolyatsiya plitalarining devorga yetarli darajada birikmasligi energiya samaradorligi, tizimning chidamliligi va fasad xavfsizligiga ta’sir qilishi mumkin. Ajralish izolyatsiya plitasi bilan yopishtiruvchi qorishma orasida yoki yopishtiruvchi qorishma bilan ko‘taruvchi devor orasida yuz berishi mumkin. Bu ikki nuqson geometrik jihatdan bir-biriga o‘xshasa-da, konstruksiya ichidagi chuqurligi va elektromagnit aks-sado xususiyatlari farq qiladi.

Vizual ko‘rik va sirtni urib tekshirish kabi an’anaviy usullar katta fasadlarni baholashda operatorga bog‘liq natijalar berishi mumkin. Kern olish yoki demontaj kabi usullar to‘g‘ridan-to‘g‘ri ma’lumot bersa-da, konstruksiyaga zarar yetkazadi va butun fasadni tekshirish uchun mos emas. Yer radari esa yuqori chastotali elektromagnit to‘lqinlarni yuborib, turli material chegaralaridan qaytgan aks-sadolarni qayd etadi. Shu tariqa devor ichidagi yopishish qatlamlari sirt buzilmasdan tekshirilishi mumkin.

Shunga qaramay, tashqi fasad izolyatsiyasidagi ajralishlarning radar tasviri har doim ham aniq ko‘rinmaydi. Materiallarning dielektrik xususiyatlari bir-biriga yaqin bo‘lsa, aks etish zaiflashishi mumkin. Skan chizig‘i nuqsonning aynan ustidan o‘tmasa, aks-sado faqat chet qismidan qayd etilishi mumkin. Atrof-muhit shovqini, sirt notekisligi va turli qo‘llash qatlamlari ham tasvirda xiralik yoki noto‘g‘ri nishonlar hosil qilishi mumkin.

Tadqiqotda tasniflangan uchta yopishish holati

Pastki sirt ajralishi chuqurroq joylashgani sababli elektromagnit to‘lqin turli qatlam chegaralaridan o‘tib, ko‘p martalik aks etishlarni hosil qilishi mumkin. Tadqiqotchilar bu holat ayrim tekstura, energiya zichligi va vaqt bo‘yicha so‘nish xususiyatlarida farqlar paydo qilishini ta’kidlaydi.

Taklif etilgan tizimning umumiy ish jarayoni

Tadqiqotning 5-sahifasidagi 1-rasm xom yer radari B-skan ma’lumotlaridan yakuniy yopishish holati qarorigacha bo‘lgan uch modulli tizimni ko‘rsatadi:

1. Aks-sado nishonini topish: Fizik signal xususiyatlari va tasvir teksturasi birgalikda qo‘llanib, shubhali aks-sado hududlari aniqlanadi.
2. Qo‘shni kesimlarni birlashtirish: Bir xil nuqsonni turli joylardan ko‘radigan skan chiziqlari tekislanadi va zaif aks-sadolar kuchaytiriladi.
3. Yopishish holatini tasniflash: Qo‘lda ishlab chiqilgan fizik xususiyatlar chuqur tarmoq xususiyatlari bilan birlashtirilib, uch sinfli XGBoost modeliga beriladi.

Bu tuzilma faqat tasvirdagi shaklga qaraydigan yagona chuqur o‘rganish modelidan farq qiladi. Radar signalining energiya, chastota, tekstura va so‘nish ma’lumotlari ish jarayonining turli nuqtalarida to‘g‘ridan-to‘g‘ri qo‘llanadi.

Yer radari tizimi va o‘lchash sharoitlari

O‘lchovlar tadqiqotchilar ishlab chiqqan, 16 ta uzatgich va 16 ta qabul qilgichli MIMO massiviga ega uch o‘lchovli pog‘onali chastotali yer radari bilan bajarilgan. Tizim 4–8 GHz diapazonida ishlaydi va yaqin maydon parazitar bog‘lanishidan foydalanadigan maxsus yuqori kuchaytirishli antennalarni o‘z ichiga oladi.

Yuqori chastota diapazoni tashqi fasad izolyatsiyasi kabi sirtga yaqin va millimetr-santimetr miqyosidagi qatlamlarni batafsil tekshirishga qaratilgan. Biroq yuqori chastotali radar to‘lqinlarining kirib borish chuqurligi va ishlashi tekshirilayotgan materialning elektromagnit xususiyatlari hamda namlik sharoitlariga bog‘liq.

Laboratoriya tajribalari qanday tayyorlangan?

Ichki va tashqi laboratoriya qurilmalarida XPS turidagi ekstrudirovka qilingan polistirol izolyatsiya plitalari qo‘llangan. Tadqiqotda izolyatsiya qalinligining ikki diapazoni ko‘rsatilgan:

• 4,6–5 santimetr,
• 9,5–10,5 santimetr.

Yopishtiruvchi qorishma 1:4 suv-sement nisbati bilan tayyorlangan va normal yopishishda qorishma qalinligi 1 santimetr qilib qo‘llangan. Yuqori va pastki sirt ajralishlari 2, 3, 5, 7 va 9 millimetrlik sun’iy bo‘shliqlar yaratish orqali modellashtirilgan.

Skan qadamlari ikki yo‘nalishda 0,01 metr va 0,035 metr deb belgilangan. Har bir tajriba sharoiti uch marta takrorlangan va laboratoriya ishlaridan 1.326 ta yaroqli B-skan ma’lumoti olingan.

Haqiqiy bino o‘lchovlari

Dala o‘lchovlari Pekinning Tongzhou tumanidagi Ikkinchi shifoxonaning statsionar davolash binosida o‘tkazilgan. Tadqiqotga ko‘ra, bino 2006 yilda qurilgan, yer ustida 10 va yer ostida bir qavatga ega, umumiy yopiq maydoni 7.370,28 kvadrat metr va tashqi devor maydoni taxminan 3.000 kvadrat metr.

Binoning tashqi fasadida 70 millimetr qalinlikdagi EPS plitalar ishlatilgan. Tadqiqotchilar sharqiy, janubiy, g‘arbiy va shimoliy fasadlardagi yetib borish mumkin bo‘lgan hududlarni antennani devorga tekkizgan holda vertikal yo‘nalishda skanerlab, 576 ta yaroqli B-skan namunasini to‘plagan. Tadqiqotning 6-sahifasidagi 5-rasm haqiqiy fasad skanerlashini va olingan chuqurlik kesimi tasvirlarini ko‘rsatadi.

Ma’lumotlar to‘plamining sinflar bo‘yicha taqsimoti

Yuqori ajralish sinfi ma’lumotlar to‘plamining atigi 6,6 foizini tashkil etadi. Tadqiqotchilar kichik sinf o‘qitish yoki validatsiya to‘plamlarida yo‘qolib ketmasligi uchun tabaqalashtirilgan namuna olishdan foydalangan. Biroq tabaqalashtirilgan namuna olish kam sonli namunalarning mustaqil xilma-xilligini oshirmaydi; u faqat bo‘linmalarda sinf nisbatlarini saqlaydi.

Ma’lumotlarni o‘qitish, validatsiya va testga ajratish

Tadqiqot test to‘plami dala o‘lchovlarini ham o‘z ichiga olishini bildiradi. Biroq laboratoriya va haqiqiy bino ma’lumotlari bino yoki tajriba qurilmasi darajasida to‘liq ajratilgani tushuntirilmagan. Bir xil tajriba hududidan yoki bir xil binodan olingan o‘xshash skanlar turli ma’lumot bo‘linmalariga tushgan bo‘lishi mumkin. Shu sababli test natijasi mutlaqo yangi binoga ko‘chirishning to‘g‘ridan-to‘g‘ri dalili emas.

Radar ma’lumotlari qanday oldindan qayta ishlangan?

Xom chastota sohasi ma’lumotlariga yumshatilgan kesish oynasi qo‘llangan. O‘tish diapazoni 4–8 GHz deb belgilangan, 4–6 GHz oralig‘ida ko‘tariluvchi va 6–8 GHz oralig‘ida pasayuvchi kosinus chetlari ishlatilgan. Maqsad diapazondan tashqari shovqinni va keskin kesishdan kelib chiqadigan Gibbs effektini kamaytirishdir.

Filtrlangan chastota ma’lumotlari teskari Furye o‘zgartirishi bilan vaqt sohasiga o‘tkazilgan va nol-vaqt tuzatishi qo‘llangan. Tadqiqotchilar turli hududlarning intensivligini sun’iy ravishda o‘zgartirmaslik uchun kuchaytirish tuzatishidan foydalanmaganini ta’kidlaydi. Keyin global normallashtirish va maqsad vaqt oralig‘ini kesish amalga oshirilgan.

Birinchi modul: Signal va tasvirni birgalikda qo‘llash

Birinchi modulning maqsadi radar tasviridagi aks-sado nishonlarini chegaralovchi qutilar bilan topishdir. Tadqiqotning 7-sahifasidagi 6-rasm ushbu modulning batafsil arxitekturasini ko‘rsatadi.

Yetti fizik signal xususiyati

Xom B-skan ma’lumotlaridan yetti kanalli fizik xususiyatlar xaritasi chiqarilgan:

• Mahalliy energiya taqsimoti,
• Energiya gradienti,
• Mahalliy tekstura dispersiyasi,
• Vaqt chastota spektri,
• Mahalliy o‘rtacha,
• O‘zaro korrelyatsiya koeffitsiyenti,
• Mahalliy qiyshiqlik.

Bu xususiyatlar energiya jamlanishi, keskin chekka o‘zgarishi, tekstura tartibsizligi, chastota tarkibi, mahalliy yorqinlik, takrorlanuvchi naqsh va taqsimot assimetriyasi kabi fizik xususiyatlarni ifodalashga qaratilgan.

Uch rezolyutsiyada signalni kodlash

Signal xususiyatlari yuqori, o‘rta va past rezolyutsiyali uch darajada qayta ishlanadi. Yuqori rezolyutsiya kichik va aniq energiya cho‘qqilarini saqlaydi, o‘rta rezolyutsiya mahalliy tuzilma bilan atrof kontekstini muvozanatlaydi, past rezolyutsiya esa zaif va keng maydonli aks-sado naqshlarini jamlaydi.

Kross-modal diqqat mexanizmi

Vizual xususiyatlar so‘rov, fizik signal xususiyatlari esa kalit va qiymat sifatida ishlatilgan. Tadqiqotdagi asosiy amal quyidagicha:

\[ A_i= \operatorname{Softmax} \left( \frac{Q_{V_i}K_{S_i}^{T}}{\sqrt{D}} \right) \]

\[ F_{\mathrm{fused},i}=A_iV_{S_i}+V_i \]

Bu yerda \(V_i\) vizual xususiyatlarni, \(S_i\) signal xususiyatlarini, \(A_i\) esa signal hududlarining vizual ifodadagi diqqat og‘irligini bildiradi. Shunday qilib, tizim faqat tasvirdagi aniq chiziqlarga emas, fizik energiya yoki chastota belgisi bo‘lgan hududlarga ham e’tibor qaratadi.

Vizual va signalga asoslangan ikki nomzod yo‘li

Vizual nomzodlar Region Proposal Network tomonidan zich tarzda yaratiladi. Zaif aks-sadolarni o‘tkazib yuborishni kamaytirish uchun signal energiyasi xaritalarida ikkinchi yo‘l qo‘llanadi. Har bir masshtabda mahalliy maksimumlar aniqlangach, eng yuqori energiyali 100 nuqta tanlanadi.

Bu nuqtalar atrofida tasvir kengligining 15 foizi va balandligining 8 foiziga teng qat’iy nisbatli nomzod qutilar yaratilgan. Vizual va signal nomzodlari birlashtirilgan, takroriy qutilar non-maximum suppression usuli bilan chiqarib tashlangan va qolgan hududlar RoIAlign asosidagi tasniflash-joylashuvni tuzatish boshlig‘iga uzatilgan.

Ikkinchi modul: Qo‘shni radar kesimlarini birlashtirish

Yer radari skan chizig‘i nuqsonning aynan ustidan o‘tganda aks-sado kuchli va yaxlit bo‘lishi mumkin. Xuddi shu nuqsonning chetidan o‘tuvchi qo‘shni chiziqlarda esa aks-sado zaifroq, to‘liq bo‘lmagan va biroz siljigan ko‘rinadi. Bitta kesimdan foydalanish bu ma’lumotlarning yo‘qolishiga olib kelishi mumkin.

Tadqiqotning 8-sahifasidagi 7-rasm bir xil nishonga tegishli 4–25 ta qo‘shni kesim birgalikda qayta ishlanadigan deformatsiyaga moslashuvchan birlashtirish tarmog‘ini ko‘rsatadi.

Tenengrad yordamida psevdo-maqsadni tanlash

Aniq va nuqsonsiz haqiqiy referens tasvir mavjud bo‘lmagani uchun model o‘zining o‘qitish maqsadini kesimlar guruhidan tanlaydi. Eng yuqori gradient energiyasiga ega kesim psevdo-aniq maqsad sifatida belgilanadi:

\[ I_{\mathrm{ref}} = \underset{I_k\in\{I_1,\ldots,I_K\}}{\operatorname{argmax}} \operatorname{Tenengrad}(I_k) \]

\[ \operatorname{Tenengrad}(I_k) = \frac{1}{H W} \sum_{i=1}^{H} \sum_{j=1}^{W} \sqrt{G_x(i,j)^2+G_y(i,j)^2} \]

Tenengrad qiymati gorizontal va vertikal gradientlar kattaligi orqali tasvir chekkalarining aniqligini o‘lchaydi. Yuqoriroq qiymat yanada tiniq tasvir sifatida talqin qilingan.

Boshqa kesimlarga Gauss xiralashtirish, Gauss shovqini va yorqinlik-kontrast o‘zgarishlari qo‘llanib, zaiflashgan muhandislik sharoitlari taqlid qilingan. Model ushbu buzilgan kirishlardan tanlangan psevdo-maqsadga yaqin tasvir yaratishni o‘rgangan.

Kesim darajasidagi va piksel darajasidagi og‘irliklar

Har bir kesim uchun umumiy axborot qiymatini ko‘rsatuvchi kesim og‘irligi hisoblangan. Shuningdek, har bir piksel qanchalik ishonchli ekanini belgilovchi 0–1 oralig‘idagi ishonch xaritasi yaratilgan. Shovqinli yoki xira hududlar pastroq, aniq aks-sado hududlari yuqoriroq og‘irlik olgan.

Birlashtirilgan og‘irliklar quyidagi mantiq bilan yaratilgan:

\[ M_{kij} = \omega^{\mathrm{slice}}_k\,c_k(i,j) \]

\[ W_{kij} = \frac{\exp(M_{kij})} {\sum_{k'=1}^{K}\exp(M_{k'ij})} \]

Tekislangan kesim xususiyatlari ushbu og‘irliklar bilan yig‘ilgan:

\[ F_{\mathrm{fused}} = \sum_{k=1}^{K} W_{kij}\odot\widetilde{F}_k \]

Deformatsiyaga moslashuvchan joylashuv tuzatishi

Qo‘shni skanlardagi kichik fazoviy siljishlar tarmoq o‘rgangan deformatsiya maydonlari orqali subpiksel darajasida tuzatilgan. Standart siljish diapazoni parametri 2,0 deb berilgan. Tekislash alohida klassik registratsiya algoritmi o‘rniga tarmoq ichida bilinear interpolatsiya bilan bajarilgan.

Ko‘p masshtabli va generativ raqobatli yaxshilash

Sayoz tekstura, o‘rta darajadagi mahalliy tuzilma va chuqur semantik xususiyatlar Feature Pyramid Network’ga o‘xshash tuzilma bilan birlashtirilgan. O‘qitish boshida L1 va Strukturaviy O‘xshashlik Indeksi yo‘qotishlari qo‘llangan:

\[ L_{\mathrm{base}} = \alpha L_{L1} + \beta(1-\operatorname{SSIM}) \]

Tadqiqotda \(\alpha=1\) va \(\beta=1\) tanlangan. O‘qitish barqarorlashgach, VGG-16 asosidagi perceptual yo‘qotish va PatchGAN generativ raqobatli yo‘qotish qo‘shilgan:

\[ L_{\mathrm{total}} = L_{\mathrm{base}} + \lambda_{\mathrm{perc}}L_{\mathrm{perc}} + \lambda_{\mathrm{adv}}L_{\mathrm{adv}} \]

Perceptual va raqobatli yo‘qotish og‘irliklari faollashtirilganda 0,01 qilib ishlatilgan.

Uchinchi modul: Fizik va chuqur xususiyatlarni birlashtirish

Yaxshilangan aks-sado hududlari uch sinfdan biriga ajratilishidan oldin ikkita parallel xususiyat tarmog‘ida qayta ishlangan. Tadqiqotning 10-sahifasidagi 8-rasm ushbu tasniflash oqimini ko‘rsatadi.

Fizik ma’noga ega 21 xususiyat

O‘zgartirilgan differensial so‘nish indeksi ketma-ket vaqt nuqtalaridagi mutlaq amplituda o‘zgarishini o‘lchaydi:

\[ \operatorname{MDDI}(x,t) = \frac{|A(x,t+1)-A(x,t)|} {A(x,t+1)+A(x,t)+\varepsilon} \frac{1}{\Delta t} \]

Bu yerda \(\varepsilon=10^{-12}\) nolga bo‘lishning oldini olish uchun ishlatiladigan kichik doimiydir. Tadqiqotchilar ayniqsa havo bo‘shlig‘i bo‘lgan pastki sirt ajralishlarida ko‘p martalik aks etishlar MDDI o‘rtachasi, dispersiyasi va to‘plangan energiyani oshirishi mumkinligini ta’kidlaydi.

128 o‘lchovli chuqur xususiyatlar

Chuqur xususiyat tarmog‘ida bir kanalli radar tasvirlariga moslashtirilgan ResNet-18 ishlatilgan. ImageNet’da o‘rgatilgan uch kanalli birinchi qatlam og‘irliklari kanallar bo‘yicha o‘rtachalangan va bir kanalli kirishga aylantirilgan. Shu orqali chekka va tekstura aniqlash bilimini saqlash hamda kichik ma’lumotlar to‘plamida noldan o‘qitishga nisbatan ortiqcha moslashishni kamaytirish maqsad qilingan.

Global average pooling va to‘liq bog‘langan qatlamdan so‘ng 128 o‘lchovli chuqur xususiyatlar vektori olingan.

149 o‘lchovli birlashtirilgan xususiyatlar matritsasi

Yigirma bir fizik xususiyat bilan 128 chuqur xususiyat birlashtirilib, 149 o‘lchovli xususiyatlar vektori yaratilgan. Barcha xususiyatlar standartlashtirilib, ko‘p sinfli XGBoost modeliga uzatilgan.

Tadqiqotchilar fizik xususiyatlarni vektor boshiga joylashtirish qaror daraxtlarining avvalo shu xususiyatlar bo‘yicha bo‘linishini ta’minlaydi, deb ilgari suradi. Biroq XGBoost’da xususiyat tanlash faqat ustun tartibiga bog‘liq emas; qaysi xususiyat oldin ishlatilishi o‘qitish vaqtida beradigan bo‘linish yutug‘i bilan belgilanadi. Shu sababli vektorda oldinda turishi fizik xususiyatlar albatta ustuvor bo‘lishini o‘z-o‘zidan kafolatlamaydi.

Rasm va jadvallar ko‘rsatgan asosiy natijalar

Aks-sado nishonlarini topish

13-sahifadagi 9-rasm taklif etilgan tizim bilan Faster R-CNN, YOLOv7 va DETR’ning bir xil radar kesimlaridagi chegaralovchi qutilarini taqqoslaydi. Taklif etilgan usul vizual jihatdan zaif ayrim aks-sadolarni qo‘shimcha qutilar bilan ushlaydi. Biroq vizual misollar tanlangan kesimlardir; butun test ma’lumotlar to‘plamidagi xatti-harakat miqdoriy jadvallar bilan birga baholanishi kerak.

Qo‘shni kesimlarni yaxshilash

14-sahifadagi 10-rasmda har bir namuna uchun zaif kirish va yaxshilangan chiqish yonma-yon ko‘rsatilgan. Chiqishlarda aks-sado chiziqlari aniqroq va kontrasti yuqoriroq ko‘rinadi. Biroq o‘qitish maqsadi haqiqiy va nuqsonsiz o‘lchov emas, balki kesimlar guruhidagi eng yuqori Tenengrad qiymatiga ega psevdo-maqsaddir. Shu sababli yaxshilash haqiqiy fizik tuzilma to‘liq qayta tiklanganini anglatmaydi.

Yakuniy tasniflash misollari

16-sahifadagi 11-rasm laboratoriya va dala o‘lchovlaridan tanlangan sakkizta namunani ko‘rsatadi. Har bir tasvir ustida haqiqiy sinf, bashorat qilingan sinf va model ishonchi berilgan. Ko‘rsatilgan misollar to‘g‘ri tasniflangan; noto‘g‘ri tasniflangan 15 namunaning tasvirlari alohida taqdim etilmagan.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• Radar signalining fizik xususiyatlarini tasvir xususiyatlari bilan birgalikda qo‘llash qat’iyroq joylashuv aniqligi mezonida faqat vizual usullarga qaraganda yuqoriroq natija bergan.
• Signal energiyasiga asoslangan siyrak nomzod qutilar zaif aks-sadolardagi o‘tkazib yuborilgan nishonlarni kamaytirgan.
• Qo‘shni kesimlarni og‘irliklangan va deformatsiyaga moslashuvchan birlashtirish qo‘llangan barcha tasvir sifati mezonlarini yaxshilagan.
• Fizik xususiyatlar bilan chuqur xususiyatlar birgalikda ishlatilgan XGBoost modeli bir xil test to‘plamida taqqoslangan uchta vizual tarmoqdan yuqoriroq umumiy aniqlik bergan.
• Namunasi kam bo‘lgan yuqori ajralish sinfi test to‘plamida 93 foiz aniqlik, 88 foiz sezgirlik va 90 foiz F1 ko‘rsatkichini namoyon qilgan.
• Laboratoriya ma’lumotlaridan tashqari haqiqiy binodan olingan o‘lchovlarning mavjudligi usul faqat sintetik tasvirlarda sinovdan o‘tkazilmaganini ko‘rsatadi.

Tadqiqot isbotlamaydigan jihatlar

• Model Turkiyadagi yoki boshqa mamlakatlardagi turli bino tizimlarida 92 foiz aniqlik bilan ishlashini isbotlamaydi.
• Test to‘plami mutlaqo boshqa binodan tuzilgani ko‘rsatilmagani sababli yangi binolarga umumlashtirishni qat’iy tasdiqlamaydi.
• Model aniqlagan har bir ajralish haqiqiy demontaj yoki kern natijasi bilan tasdiqlanganini ko‘rsatmaydi.
• 92 foiz aniqlik fasad xavfsizligi yoki qoplama tushib ketish xavfi 92 foiz aniqlik bilan bashorat qilinganini anglatmaydi.
• Ajralishning maydoni, hajmi, chuqurligi yoki konstruktiv ahamiyatini miqdoriy hisoblamaydi.
• Haqiqiy vaqtda skanerlash, mobil qurilmada ishlash yoki dala operatorining tezkor qaror qabul qilishi uchun ishlov berish tezligini o‘lchamaydi.
• Namlik, harorat, metall biriktirgichlar, turli suvoq turlari va sirt qoplamalarining ishlashga ta’siri alohida tajribalar bilan o‘rganilmagan.
• Model boshqa radar tizimlari va chastota diapazonlarida ham xuddi shu muvaffaqiyatni saqlab qolishini ko‘rsatmaydi.
• Mustaqil tadqiqot guruhi tomonidan qayta ishlab chiqilgan natijalarni taqdim etmaydi.

Tadqiqotning kuchli tomonlari

Tadqiqotning eng muhim kuchli tomoni muammoni bitta tasvir tasniflash tarmog‘iga qisqartirmasligidir. Fizik radar xususiyatlari nishonni topish, kesimlarni tekislash va yakuniy tasniflash bosqichlariga kiritilgan. Shu tariqa zaif aks-sadolar uchun vizual naqshlar bilan birga o‘lchash fizikasidan keladigan qo‘shimcha ma’lumot ham ishlatiladi.

Har bir asosiy komponent uchun alohida ablatsiya tajribasi o‘tkazilgani qaysi modul qaysi mezonga hissa qo‘shishini ko‘rish imkonini beradi. Taqqoslash modellari bir xil ma’lumotlar to‘plamida o‘qitilib baholangani faqat boshqa nashrlardan olingan natijalarni yonma-yon qo‘yishdan kuchliroq taqqoslashni ta’minlaydi.

Laboratoriya qurilmalari bilan haqiqiy bino ma’lumotlarini birgalikda qo‘llash faqat simulyatsiyaga asoslangan tadqiqotlarga qaraganda realroq ma’lumot xilma-xilligini beradi. Ayniqsa namunasi kam yuqori ajralish sinfi uchun aniqlik va sezgirlik qiymatlari alohida berilgani baholashni faqat umumiy aniqlikka bog‘lab qo‘ymaslikka yordam beradi.

Asosiy cheklovlar

• Tadqiqot ekspert baholashidan o‘tmagan preprintdir.
• Yuklangan matn anonimlashtirilgan; muallif va muassasa ma’lumotlari tadqiqot matnining o‘zida mavjud emas.
• Manba havolalarining muhim qismi savol belgisi ko‘rinishidagi buzilgan joy tutuvchilardir va bibliografiya faylda mavjud emas.
• Jami ma’lumotlar to‘plamining atigi 126 namunasi yuqori ajralish sinfiga tegishli.
• Ma’lumotlarni bo‘lish bino yoki tajriba qurilmasi darajasidagi tashqi validatsiya o‘rniga umumiy tabaqalashtirilgan namuna olish orqali bajarilgan.
• Bir xil nishonning qo‘shni kesimlari yoki takroriy skanlari turli ma’lumot bo‘linmalariga tushmaganini ko‘rsatadigan guruhga asoslangan bo‘lish usuli tushuntirilmagan.
• Mustaqil shahar, bino, radar qurilmasi yoki tadqiqot guruhi bo‘yicha tashqi test mavjud emas.
• Manba kodi va xom ma’lumotlarga kirish ko‘rsatilmagan.
• XGBoost’ning batafsil giperparametrlari va tasodifiylik urug‘lari berilmagan.
• Natijalar bitta ishga tushirish qiymatlari sifatida taqdim etilgan; standart og‘ish, ishonch oralig‘i yoki takroriy o‘qitish taqsimotlari hisobot qilinmagan.
• Modellar orasidagi farqlar uchun statistik ahamiyat testi o‘tkazilmagan.
• Ishlov berish vaqti, soniyasiga skanlar soni, xotira sarfi va dala qurilmasiga ko‘chirish samaradorligi o‘lchanmagan.
• Haqiqiy ajralishlarning mustaqil buzuvchi tasdiqlash usuli batafsil tushuntirilmagan.

Kelajakda bajarilishi kerak bo‘lgan tadqiqotlar

Yangi tadqiqotlarda har bir bino mutlaqo alohida guruh sifatida ko‘rilishi va o‘qitishda hech qachon ko‘rilmagan binolar tashqi test uchun ishlatilishi kerak. Turli shahar, iqlim, fasad yo‘nalishi, plita materiali, qorishma, suvoq, namlik va bino yoshini qamrab olgan ko‘p markazli ma’lumotlar to‘planishi lozim.

Radar bashoratlari nazoratli demontaj, kern olish, endoskopiya, termal tasvirlash yoki mutaxassis belgilagan haqiqiy nuqson xaritalari bilan taqqoslanishi kerak. Shu tariqa faqat sinf yorlig‘i emas, ajralishning haqiqiy joylashuvi, maydoni, qalinligi va chuqurligi ham miqdoriy baholanishi mumkin.

Model kichikroq tarmoqlarga aylantirilib, dala kompyuterlari yoki chekka qurilmalarda sinovdan o‘tkazilishi; skan tezligi, kechikish, quvvat sarfi va operator ish yuklamasi hisobot qilinishi kerak. Noaniq bashoratlarni mutaxassisga yo‘naltiradigan ishonch kalibrlashi va sinfdan tashqari namuna aniqlash mexanizmlari ham qo‘shilishi lozim.

Tadqiqot usuli va natijalari

Eksperimental konfiguratsiyaning qisqacha mazmuni

Dasturiy va apparat muhiti

Aks-sado aniqlash moduli ablatsiya natijalari

To‘liq model aniqlik va mAP@0.5:0.95 bo‘yicha eng yuqori natijani bergan. Biroq tadqiqot matnidagi “barcha mezonlarda eng yaxshi” iborasi to‘liq to‘g‘ri emas: kross-modal diqqat mexanizmi olib tashlangan versiyaning mAP@0.5 qiymati 0,9999, to‘liq modelniki esa 0,9993. Farq juda kichik bo‘lsa-da, jadval yashirincha o‘zgartirilmasligi kerak.

Siyrak nomzod mexanizmini olib tashlash sezgirlikni 0,9999 dan 0,9528 gacha pasaytirgan. Bu natija signal energiyasidan yaratilgan qo‘shimcha nomzod qutilar o‘tkazib yuborilgan zaif aks-sadolarni topishda muhim rol o‘ynashini qo‘llab-quvvatlaydi.

Aks-sado aniqlashda boshqa modellar bilan taqqoslash

Taklif etilgan model mAP@0.5:0.95 mezonida Faster R-CNN’dan 11,48, YOLOv7’dan 11,94 va DINO-DETR’dan 7,13 foiz punkt yuqori natija bergan. Bu mezon chegaralovchi qutining haqiqiy nishon bilan turli ustma-ust tushish chegaralarida qanchalik aniq tekislanganini o‘lchaydi.

Biroq YOLOv7’ning aniqligi 0,9853 bo‘lib, taklif etilgan modelning 0,9271 qiymatidan yuqori. Taklif etilgan tizimning afzalligi barcha mezonlarda mutlaq ustunlik emas, balki ayniqsa sezgirlik va qat’iy joylashuv aniqligi o‘rtasidagi muvozanatdir.

Kesimlararo birlashtirish ablatsiyasi

To‘liq model to‘rtta tasvir sifati mezonining barchasida eng yuqori natijani bergan. Deformatsiya maydonini olib tashlash PSNR va fazoviy chastotani eng past darajalarga tushirgan. Bu qo‘shni kesimlardagi kichik joylashuv farqlarini tuzatish muhimligini qo‘llab-quvvatlaydi.

Bu yerdagi PSNR va SSIM qiymatlari haqiqiy, nuqsonsiz fizik nishonga nisbatan emas, Tenengrad usuli bilan tanlangan psevdo-maqsad kesimiga nisbatan hisoblangan. Shu sababli bu qiymatlar modullararo taqqoslash uchun foydali, ammo fizik haqiqatning mutlaq qayta tiklash aniqligini ko‘rsatmaydi.

Validatsiya to‘plamida tasniflash taqqoslanishi

Tadqiqot shuningdek chuqur CNN kodlagichi 80 epoxlik o‘qitish davomida 50-epoxda 94,87 foiz validatsiya aniqligiga erishganini bildiradi. Bu qiymat yakuniy gibrid tasniflagichning jadvalda berilgan 94 foizlik umumiy validatsiya aniqligi bilan aynan bir o‘lchov deb qaralmasligi kerak; birinchisi kodlagichning o‘qitish jarayonidagi eng yuqori qiymatini, ikkinchisi yakuniy taqqoslash natijasini bildiradi.

Test to‘plamida sinf bo‘yicha natijalar

Jami 191 ta test namunasining 15 tasi noto‘g‘ri tasniflangan. Bu son:

\[ \frac{15}{191}\times100 \approx 7{,}85\% \]

xato ulushi va taxminan 92,15 foiz aniqlikka mos keladi hamda tadqiqot tomonidan 92 foizga yaxlitlangan.

Tadqiqotchilar yettita pastki sirt ajralishi namunasi normal, ikkita normal namuna esa pastki sirt ajralishi sifatida tasniflanganini bildiradi. Umumiy xato soni 15 bo‘lsa-da, qolgan oltita noto‘g‘ri tasnifning sinf taqsimoti matnda batafsil ko‘rsatilmagan.

Test to‘plamida boshqa tarmoqlar bilan taqqoslash

Taklif etilgan model umumiy aniqlik va F1 ko‘rsatkichi bo‘yicha taqqoslangan usullardan oldinda. DETR’ning aniqligi 0,9286 bilan taklif etilgan modelning 0,9267 qiymatidan ozgina yuqori. YOLOv7’ning sezgirligi ham 0,9181 bilan taklif etilgan modelning 0,9000 qiymatidan yuqori. Shu sababli tadqiqot barcha alohida mezonlarda ustunlikni emas, balki muvozanatliroq umumiy tasniflash samaradorligini ko‘rsatadi.

Muhandislikda qo‘llash bo‘yicha baholash

Model nuqson bo‘lishi mumkin bo‘lgan hududlarni ustuvorlashtiruvchi buzmasdan tekshirish vositasi sifatida ko‘rib chiqilishi mumkin. Biroq fasad xavfsizligi bo‘yicha yakuniy qaror faqat model sinfiga asoslanmasligi kerak. Radar operatorining o‘lchov sifati, konstruksiya materiallari, namlik, fasad tafsilotlari va mustaqil tasdiqlash natijalari birgalikda ko‘rib chiqilishi lozim.

Tadqiqotda haqiqiy vaqtdagi qo‘llash davomiyligi berilmagan. Kelajakdagi ish sifatida modelni yengillashtirish va chekka qurilmalarga ko‘chirish taklif qilinganligi sababli hozirgi versiya dala qurilmasida haqiqiy vaqtda ishlashga tayyor degan xulosaga kelib bo‘lmaydi.

Manba va usul haqida eslatma

Yuklangan tadqiqot anonimlashtirilgan topshiruv versiyasidir. Matnda “First Author et al.” va “Short Title of the Article” kabi shablon iboralar qolgan. Shu sababli muallif va muassasa ma’lumotlari tadqiqot matnining o‘zidan emas, faqat bibliografik tasdiqlash maqsadida SSRN yozuvidan olingan.

Tadqiqotning manba ko‘rsatish qismida jiddiy tahririy kamchiliklar mavjud. Kirish va adabiyotlar bo‘limlaridagi ko‘plab iqtiboslar “(?)”, “(??)” yoki “(????)” ko‘rinishida qolgan; yuklangan faylda bibliografiya bo‘limi mavjud emas. Shu sababli tadqiqotning adabiyotdagi ustuvorlik, taqqoslash va asoslash da’volari manbalar orqali to‘liq tekshirib bo‘lmaydi.

Ushbu Verianla maqolasidagi ilmiy tushuntirishlar faqat yuklangan tadqiqot matni, tenglamalari, jadvallari, rasmlari va mualliflar bildirgan natijalarga asoslanadi. Tashqi manbalar faqat sarlavha, mualliflar tartibi, muassasa, DOI, platforma va rasmiy havola kabi bibliografik identifikatsiya maydonlarini tasdiqlash uchun ishlatilgan.

Tadqiqotning eng kuchli dalili haqiqiy radar o‘lchovlarida bajarilgan komponentlarni olib tashlash tajribalari va bir xil ma’lumotlar to‘plamidagi model taqqoslashlaridir. Eng muhim talqin cheklovi esa laboratoriya va dala namunalarining bir xil havuzdan tabaqalashtirib bo‘linishi hamda mutlaqo yangi binoda tashqi validatsiya taqdim etilmaganidir.

92 foizlik test aniqligi faqat tadqiqotda ishlatilgan 191 namunali test to‘plamiga tegishli. Bu nisbat turli bino turlari, izolyatsiya materiallari, radar qurilmalari, namlik sharoitlari yoki dala jamoalari uchun tasdiqlangan umumiy muvaffaqiyat ko‘rsatkichi sifatida ishlatilmasligi kerak.

Model chiqishlari tashqi fasad xavfsizligi yoki ta’mirlash qarori uchun o‘z-o‘zidan yetarli emas. Natijalar malakali buzmasdan nazorat mutaxassislari tomonidan ko‘rib chiqilishi va zarur bo‘lsa, mustaqil fizik tasdiqlash usullari bilan qo‘llab-quvvatlanishi kerak.