طبقه بندی و کمی سازی خودکار ترک روسازی آسفالتی با استفاده از الگوریتمهای تشخیص اشیا مبتنی بر یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 535

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می 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:

CAAM14_081

تاریخ نمایه سازی: 22 آذر 1401

چکیده مقاله:

تشخیص ترک روسازی یک روش مهم در تعمیر و نگهداری جاده و ایمنی ترافیک است. به طور سنتی، ارزیابی وضعیت جاده با بازرسی میدانی انجام میشد که با توجه به صرف زمان و هزینه زیاد و وابسته بودن نتایج به نظر ارزیاب باید با روشهای خودکار جایگزین شود تا هم حجم کار و در نتیجه هزینه های تعمیر و نگهداری را کاهش یابد. این مقاله به بررسی عملکرد الگوریتم های YOLOv۳ و YOLOv۵ برای تشخیص خودکار ترک به میپردازد. این مدلها قادر هستند نوع، موقعیت و مشخصات هندسی ترک را با دقت و سرعت بالایی نسبت به روشهای دیگر مشخص کنند. به منظور مدلسازی، از تصاویر برداشت شده از معابر سطح مشهد استفاده شده است. این تصاویر برای گزینه های ترک خطی و سطحی برچسب گذاری شدند. سپس مدلهایی با به کارگیری مدل v۳ و پنج الگوریتم سریv۵ و یادگیری انتقالی، ایجاد و ازنظر دقت و سرعت پیشبینی مورد ارزیابی قرار گرفتند. دقت مدلها بین ۷۷ تا ۹۸ درصد و سرعت پیشبینی مدلها بین ۱۷/۴ و ۱۰۵ میلیثانیه است که بیانگر عملکرد مطلوب مدلها است. درنهایت مدل v۵s با توجه به دقت قابلقبول (۹۲/۸) و سرعت بالای پیشبینی ۲۳/۹) میلی ثانیه) به نسبت سایر مدلها به عنوان مدل نهایی جهت پیشبینی ترکها در یکی از معابر مشهد استفاده شد. با توجه به ابعاد خرابیهای پیشبینی شده و درخت تصمیمگیری به دست آمده از نظرات کارشناسان، رویکرد تعمیر و نگهداری برای مسیر مشخص گردید.

نویسندگان

حسن حسین زاده

دانشجوی کارشناسی ارشد، گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری، مشهد.سازمان عمران شهرداری مشهد.

علی قیامی باجگیرانی

استادیار، گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری، مشهد.

سینا آرمان

سازمان عمران شهرداری مشهد.

علیرضا حسنی

سازمان عمران شهرداری مشهد.