کاربرد شبکه های عصبی عمیق در طبقه بندی تصاویر آسیب های شبکه فاضلاب و مشخص کردن مسیرهای بحرانی آنها

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JME-20-70_009

تاریخ نمایه سازی: 30 آبان 1401

چکیده مقاله:

فاضلابروها جزء اصلی تاسیسات زیربنایی شبکه فاضلاب شهری به حساب می آیند. آسیب های فاضلابروها به دلیل غیرقابل رویت بودن کمتر توجه شده و این عدم رسیدگی به آسیب ها، موجب وضعیت های اضطراری و هزینه های غیر منطقی می گردد. این شریان های حیاتی در طول سرویس دهی، نیازمند نگهداری و بازسازی جهت عملکرد بهینه در تمام ابعاد می باشند. امروزه روش های پردازش و طبقه بندی عکس و فیلم-های گرفته شده توسط ربات های ویدئو متری متحرک برای انجام بازرسی شبکه فاضلاب بسیار مورد استفاده قرار می گیرند. یکی از الگوریتم های موفق در زمینه پردازش تصویر، الگوریتم شبکه عصبی کانولوشن است که از زیر مجموعه های الگوریتم یادگیری عمیق به شمار می رود. در این مقاله از یک الگوریتم شبکه عصبی کانولوشن جهت طبقه بندی تصاویر آسیب های شبکه فاضلاب و موارد موثر در بهبود و دقت و عملکرد این الگوریتم، پرداخته شده است. تصاویر توسط ربات ویدئومتری از شبکه فاضلاب بدست آمده است. نتایج حاصل از استفاده از الگوریتم پیشنهادی در شبکه فاضلاب، دستیابی به دقت ۹۸ درصدی در طبقه بندی آسیب های شبکه و در مقایسه با سایر روش ها و نیز کاهش زمان اجرای نسبتا کم معماری پیشنهادی (۹۱ دقیقه) در مقایسه با سایر معماری های معتبر در یادگیری عمیق در یک بستر سخت افزاری یکسان می باشد. همچنین، در آینده، الگوریتم پیشنهادی جهت تحلیل شبکه های فاضلاب بدون نیاز به نیروهای متخصص و همچنین کنترل یک ربات هدایت خودکار ویدئومتری شبکه فاضلاب مورد استفاده قرار خواهد گرفت.

نویسندگان

مسلم سردشتی بیرجندی

دانشجوی دکتری گرایش مکاترونیک، گروه مهندسی مکانیک، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

حسین رحمانی

دانشگاه سیستان و بلوچستان

سعید فراهت

دانشگاه سیستان و بلوچستان