تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین های جاده ایی مبتنی بر شبکه های عصبی پیچشی و یادگیری انتقالی
- سال انتشار: 1401
- محل انتشار: فصلنامه پدافند الکترونیکی و سایبری، دوره: 10، شماره: 2
- کد COI اختصاصی: JR_PADSA-10-2_009
- زبان مقاله: فارسی
- تعداد مشاهده: 166
نویسندگان
کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران
استاد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران
استادیار، دانشکده مهندسی خودرو، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده
تشخیص وضعیت لغزندگی سطح جاده امری مهم در راستای افزایش امنیت جاده و سرنشینان و همچنین توسعه خودروهای خودران و فناوری های مرتبط با آن است. در این راستا پژوهش های مختلفی با روش ها و حسگرهای متفاوت، با استفاده از داده های گوناگونی نظیر تصویر، صوت و فرکانس موج صورت گرفته است. این مقاله بدون استفاده از حسگرها و روش های پرهزینه تنها با استفاده از تصاویر دوربین های مداربسته موجود در جاده ها و بهره گیری از شبکه های عصبی پیچشی انجام شده است. ایده اصلی پژوهش جاری استفاده از رویکرد یادگیری انتقالی است. بنابراین در ابتدا اهمیت و مزایای استفاده از یادگیری انتقالی، در قالب آموزش شبکه ای با ساختار InceptionNetv۳ بیان شده است. در مرحله بعد با استفاده از چارچوبی جدید به نام GFNet، شبکه عصبی پیچشی ResNet۵۰ و شبکه عصبی بازگشتی با یکدیگر ترکیب و با استفاده از یادگیری انتقالی آموزش داده شده اند. درنهایت شبکه ای با توانایی تشخیص سطح جاده، در سه دسته خشک، خیس و برفی با دقتی بالغ بر ۹۶% به دست آمده است.کلیدواژه ها
شبکه های عصبی پیچشی, یادگیری انتقالی, یادگیری عمیق, امنیت جاده, طبقه بندیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.