Smart TCscan - Évaluation intelligente, à grand rendement et non destructive des défauts de collage dans les chaussées | FEREC 2020

Smart TCscan Lauréat de l’appel à projets 2020 12/29 , = 1 2 ‖ ‖ 2 + ∑ =1 (3) Figure 7 : a) Ensemble des hyper-plans possibles ; b) Hyper-plan optimal pour la classification Lors de la sélection d’un noyau, l’optimisation bayésienne sélectionne le couple (γ, C) optimal permettant d’obtenir les meilleures performances possibles (Figure 8). Figure 8 : Exemple de minimisation de la fonction coût pour obtenir les paramètres optimaux en vue de la classification Les premiers résultats obtenus confortent les travaux préliminaires sur la caractérisation de la couche d’accrochage par inversion de forme d’onde complète (Ihamouten et al., 2017). Au vu de la très faible épaisseur de la couche d’accrochage et des conditions de modélisation (couplage au sol et fréquence centrale), le recouvrement des échos est risqué et peut impacter les performances du classiffieur. Sur la figure 9a, on identifie clairement sur l’image radar simulée B-scan (concaténation de A- scans) la différence entre une zone collée et une zone non collée (ainsi que les différentes épaisseurs de