استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s در شناسایی خودکار ترک روسازی آسفالتی
عنوان مقاله: استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s در شناسایی خودکار ترک روسازی آسفالتی
شناسه ملی مقاله: ICACU02_2496
منتشر شده در دومین کنفرانس بین المللی معماری، عمران، شهرسازی، محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب در سال 1401
شناسه ملی مقاله: ICACU02_2496
منتشر شده در دومین کنفرانس بین المللی معماری، عمران، شهرسازی، محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب در سال 1401
مشخصات نویسندگان مقاله:
حسن حسین زاده - دانشجوی کارشناسی ارشد مهندسی عمران گرایش راه و ترابری، موسسه آموزش عالی اقبال لاهوری
علی قیامی باجگیرانی - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری
محدثه دلاوریان - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری
خلاصه مقاله:
حسن حسین زاده - دانشجوی کارشناسی ارشد مهندسی عمران گرایش راه و ترابری، موسسه آموزش عالی اقبال لاهوری
علی قیامی باجگیرانی - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری
محدثه دلاوریان - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری
روسازی های آسفالتی بخش از انواع سطح جادهها در ایران را تشکیل می دهند. این روسازی ها بسته به شرایطشان نیاز به حفظ و روکش دارند. در میان دسته های مختلف آسیب های روسازی ، ترکهای روسازی از اهمیت بالایی برخوردار هستند و در ارزیابی و پیش بینی چرخه عمر روسازی در یک پروژه نقش بسزایی دارند. این کار تحقیقاتی به شناسایی خودکار ترکهای روسازی آسفالتی با استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s می پردازد. بدین منظور از تصاویر برداشت شده از معابر اصلی شهر مشهد برای آموزش و ارزیابی این الگوریتم ها استفاده گردید و این الگوریتم ها براساس دقت و سرعت پیش بینی مورد ارزیابی و مقایسه قرار گرفتند. YOLOv۳ با دقت ۹۶ درصد دقت بهتری را نسبت به YOLOv۵s با دقت ۹۲ درصد داراست اما الگوریتم v۵s با سرعت پیش بینی ۲۳ میلی ثانیه ، نسبت به YOLOv۳ سریع تر می باشد. هر دو الگوریتم عملکرد قابل قبولی را در تشخیص ترکهای روسازی داشته اند. درصورتی که دقت بالا مدنظر است می توان از YOLOv۳ و در صورتی دقت قابل قبول و سرعت پیش بینی بالا مدنظر است می توان از الگوریتم v۵s استفاده کرد. نتایج هردو الگوریتم که شامل نوع، موقعیت و ابعاد ترک می باشد را می توان به منظور تعیین رویکرد تعمیر و نگهداری استفاده کرد.
کلمات کلیدی: روسازی آسفالتی ، تشخیص ترک، یادگیری عمیق ، YOLOv۳، .YOLOv۵s
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1614542/