چکیده: چکیده سازه‌ها، به‌عنوان بخش حیاتی زیرساخت‌ها، در معرض عوامل مختلفی مانند خستگی و خوردگی قرار دارند که می‌تواند ایمنی و طول عمر آن‌ها را تهدید کند. به همین دلیل، توسعه روش‌هایی که بتواند آسیب‌های سازه‌ای را با دقت بالا شناسایی کند، ضروری به نظر می‌رسد. هدف اصلی این تحقیق، توسعه مدلی پیشرفته با استفاده از شبکه‌های عصبی پیچشی برای شناسایی دقیق آسیب‌های محلی در صفحات خمشی بوده است. این مدل به گونه‌ای طراحی شده که بتواند داده‌های ارتعاشی سازه را تحلیل کرده و تغییرات کوچک در ویژگی‌های سازه‌ای نظیر سختی را شناسایی کند. داده‌های مورد استفاده شامل شتاب‌های شبیه‌سازی‌شده تحت بارگذاری تصادفی و نویز محیطی است که به کمک مدل‌سازی تئوری صفحات خمشی تولید شده‌اند. جهت صحت عملکرد برنامه تولید داده، مثالی طراحی و صحت‌سنجی انجام شده است. در روند تحقیق، مدل پیشنهادی با استفاده از داده‌های تولید شده، آموزش داده شده و سپس برای ارزیابی دقت آن، روی نمونه‌های بنچمارک آزمایش شده و چند مثال عددی بررسی می‌گردد. نتایج حاکی از آن است که شبکه عصبی پیچشی قادر به پیش‌بینی در تشخیص مکان آسیب‌ها می‌باشد. یکی از ویژگی‌های برجسته این مدل، کاهش پیچیدگی مراحل آماده‌سازی داده‌ها و عدم نیاز به پیش‌پردازش آن‌هاست. نتایج این تحقیق نشان می‌دهد که ترکیب روش‌های مدرن یادگیری عمیق با داده‌های شبیه‌سازی‌شده می‌تواند بهبود قابل‌توجهی در سیستم‌های پایش سلامت سازه ایجاد کند. این دستاورد می‌تواند به کاهش هزینه‌های نگهداری، افزایش ایمنی و طول عمر سازه‌هایی مانند پل‌ها و ساختمان‌های مهم کمک کند.