fa کاربردهای شبکه عصبی مصنوعی و یادگیری عمیق در شناسایی آسیب وپایش سلامت سترکچرها -مطالعه مروری تخصصي Special مروری Review <div style="text-align: justify;">در سال‌های اخیر، سیستم های پایش سلامت ستکچرها &nbsp;(SHM) بصورت گسترده در زیربناهای مختلف مدنی برای بررسی وضعیت صحت ستکچرها و تشخیص آسیب سترکچری یا غیرطبیعی بودن آنها از طریق نظارت طولانی مدت برروی سترکچرها نصب شده اند. شیوه‌های مرسوم تحلیل معلومات با چالش‌های سروصدای محیطی، حجم معلومات اندازه گیری، پیچیدگی محاسبه، وغیره روبرو هستند و آنها کاربرد فراگیر تکنالوژی SHM را به شدت محدود می‌سازد. در سال‌های اخیر، با پیشرفت سریع سخت افزار محاسباتی و تجهیزات اکتساب تصویر، شیوه پروسس معلومات مبتنی بر یادگیری عمیق یک کانال جدیدی را برای حفر معلومات عظیم از یک سیستم SHM، به سمت پروسس خودمختار، دقیق و قوی معلومات نظارت فراهم می‌سازد. این مقاله یک مرور را در مورد SHM مبتنی بر یادگیری عمیق از جمله یک خلاصه مختصر از تاریخچه توسعه یادگیری عمیق، کاربردهای شیوه‌های پروسس داده‌های مبتنی بر یادگیری عمیق در SHM از انواع مختلف ارائه می‌دهد</div> <div style="text-align: justify;">In recent years, Structural Health Monitoring (SHM) systems have been widely installed in various civil infrastructures to monitor the health status of structures and detect structural damage or abnormalities through long-term monitoring of structures. Conventional data analysis methods face challenges such as environmental noise, large amount of measurement data, computational complexity, etc., which severely limit the widespread application of SHM technology. In recent years, with the rapid development of computing hardware and image acquisition equipment, deep learning-based data processing methods provide a new channel for mining the huge data of a SHM system, towards autonomous, accurate and robust processing of monitoring information. This paper provides an overview of deep learning-based SHM, including a brief summary of the history of deep learning development, applications of deep learning-based data processing methods in SHM.&nbsp;</div> شبکه عصبی مصنوعی, یادگیری عمیق, شناسایی آسیب, پایاش سلامت سترکچرها Artificial neural network, deep learning, damage detection, structural health monitoring 33 47 http://jots.knu.edu.af/browse.php?a_code=A-10-1-21&slc_lang=fa&sid=1 عباس محبی ab.mohebbi@knu.edu.af Yes استاد پوهنحی کامپیوترساینس دانشگاه خاتم النبیین(ص)، کابل، افغانستان سید مهدی موسوی s.m.mousavi@kateb.edu.af No استاد پوهنحی انجنیری دانشگاه کاتب، کابل، افغانستان