ارزیابی مشخصات چاله های لایه رویه جاده های جنگلی با استفاده ازتصاویر پهپاد

مقدمه و هدف: لایه رویه جاده­ با گذشت زمان و بر اثر ترافیک و عوامل جوی دچار آسیب­ های مختلف می­ شوند و از کیفیت آن­ها کاسته می ­شود. بنابراین، استخراج سریع و دقیق ناهنجاری لایه ­رویه برای نظارت موثر بر وضعیت سلامت جاده بسیار مهم است. به­ منظور بهبود کارایی بازرسی لایه رویه، امروزه پهپادها ابزار مفیدی برای به­ دست آوردن اطلاعات قابل اعتماد در زمینه لایه­ رویه جاده استفاده می ­شود. مواد و روش­ ها: این پژوهش با هدف آشکارسازی خرابی لایه­ رویه جاده های جنگلی با استفاده از تصاویر پهپاد و فنون پردازش تصویر در جاده­ای به ­طول ۳/۶ کیلو­متر در جنگل آموزشی و پژوهشی دکتر بهرام ­نیا استان گلستان انجام گرفت. تصاویر حاصل از پهپاد با استفاده از محاسبات فتوگرامتری پردازش و تصویر ارتوموزائیک و مدل رقومی ارتفاع زمین تهیه شد؛ سپس تصاویر حاصل جهت شناسایی و بررسی چاله­ های لایه رویه با استفاده از سه الگوریتم یادگیری نظارت شده نزدیک­ترین همسایه، K - نزدیکترین همسایه  و ماشین­ بردار ­پشتیبان مورد بررسی و ارزیابی قرار گرفت. یافته ­ها: نتایج نشان داد که تصویر ارتوموزائیک حاصل از محاسبات فتوگرامتری دارای صحت بالایی است. همچنین بررسی صحت الگوریتم ­های مورد استفاده جهت طبقه­ بندی و شناسایی چاله­ ها نشان داد که این الگوریتم ­ها قابلیت خوبی در شناسایی خرابی لایه رویه جاده دارند. الگوریتم نزدیک­ترین همسایه، K - نزدیکترین همسایه و ماشین­ بردار ­پشتیبان به­ ترتیب خرابی ­های لایه رویه را با صحت ۹۲/۰۴، ۹۴/۳۱ و ۹۶/۵۹ درصد برآورد کردند. نتیجه­گیری: الگوریتم ماشین­ بردار ­پشتیبان یک الگوریتم یادگیری نظارت شده با صحت ۹۶/۵۹ درصد دارای بیشترین صحت طبقه ­بندی در مقایسه با دو الگوریتم دیگر بود و به­ عنوان یک روش مناسب جهت طبقه­ بندی و شناسایی خرابی ­ها در این پژوهش معرفی شد. از تصاویر پهپاد حاصل و الگوریتم­ های یادگیری نظارت شده می­توان برای شناسایی ناهنجاری لایه­ رویه جاده­ های جنگلی از جمله چاله­ ها استفاده کرد.

کلیدواژه ها:

Pavement distress ، Photogrammetry ، Quadcopter ، Remote Sensing ، Supervised classification ، سنجش از دور ، طبقه بندی نظارت شده ، فتوگرامتری ، کوادکوپتر ، ناهنجاری روسازی