Útmutatóhoz kapcsolódó kvíz · Közepes Szint
AI a híd- és közúti infrastruktúra-ellenőrzési kvízben
Ellenőrzi az egyesült államokbeli hídvizsgálati időközök, a repedésszegmentálás és a talajmintavételi távolság, valamint a felszín alatti eszközök, például a GPR és a termográfia megértését.
kérdés 1 -ból 8
Az Egyesült Államok Nemzeti Hídellenőrzési Szabványai szerint a legtöbb autópálya-híd általában milyen gyakran esik rutinvizsgálaton?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Az Egyesült Államok Nemzeti Hídellenőrzési Szabványai szerint a legtöbb autópálya-híd általában milyen gyakran esik rutinvizsgálaton?
- Every 6 months
- Every 5 years
- Every 24 months
- Only after an accident
- Miért kezelik a repedésészlelést általában szegmentációs feladatként az egyszerű objektumészlelés helyett?
- Practitioners need crack length and width, which requires pixel-level outlines
- Segmentation needs no training data
- Object detection cannot run on drones
- Cracks are always perfectly rectangular
- Mi az a földi mintavételi távolság?
- The distance a drone flies between batteries
- The depth ground-penetrating radar can reach
- The spacing between bridge piers
- The real-world size represented by one image pixel
- Milyen eszközöket nevez meg az útmutató a beton fedélzeten belüli károsodás feltárására?
- Dashcams and GPS
- Ground-penetrating radar and infrared thermography
- Laser profilers and roughness indexes
- Strain gauges only
- Ezek közül melyik a gyakori téves pozitív forrás a repedésészlelő modelleknél?
- Exposed rebar
- Potholes
- Stains, joints, shadows and formwork marks
- Corrosion on steel
- In this guide, what is a digital twin of a bridge?
- A model of the asset linked to its inspection history and sensor data
- A second bridge built next to the first
- A backup copy of the inspector's notes
- A drone that follows the inspector
- Why can't a crack image alone determine how serious the crack is?
- Cameras cannot capture cracks
- All cracks are equally dangerous
- Images are too large to analyze
- Seriousness depends on the crack's location, the type of member and the loads it carries
- Which technique helps with the severe class imbalance in crack segmentation?
- Using only color images
- Dice or focal loss functions
- Flying the drone higher
- Removing all images that contain cracks