تشخیص خودکار قنات با استفاده از مدل یادگیری عمیق YOLO از تصاویر ماهواره ای گوگل ارث
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 47
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEGIT28_005
تاریخ نمایه سازی: 15 مرداد 1403
چکیده مقاله:
قنات اصلی ترین منبع پایدار تامین آب در مناطق خشک و نیمه خشک است و از نظر تاریخی و میراث فرهنگی دارای ارزش ویژهای است . در این راستا مدیریت قنوات جهت حفظ ، احیا و بهرهبرداری پایدار از آن دارای اهمیت ویژهای است و نیاز اصلی وجود نقشه قنوات است . هزینه و زمان تهیه نقشه قنوات با عملیات زمینی معمولا زیاد است . لذا شناسایی میله چاههای قنات از تصاویر هوایی و ماهوارهای با توجه به شکل دهانه چاهها می تواند راهحل بهینه تری باشد. در این پژوهش با استفاده از روش یادگیری عمیق یک مرحله ای ۱YOLO، تشخیص موقعیت میله های چاههای قنات در منطقه بم مورد ارزیابی قرار گرفته است . مدل پیشنهادی توسط نمونه های آموزشی استخراج شده از تصاویر ماهوارهای گوگل ارث بر مبنای ۸۵ درصد داده آموزشی و ۱۵ درصد داده اعتبارسنجی ، با ۵۰ دوره تکرار آموزش داده شده است . در نهایت مدل آموزش دیده بر روی تصاویر منطقه مورد مطالعه برای کشف میله چاههای قنات اجرا شده است . نتایج نشان می دهد که این مدل می تواند با معیار دقت برابر ۹۱,۰ و معیار بازیابی برابر ۶۵,۰ و معیار F۱Score برابر ۷۶,۰ در کشف موقعیت مکانی دهانه میله چاه-های قنات، عمل نماید.
کلیدواژه ها:
نویسندگان
مصطفی کابلی زاده
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
محمد عباسی
دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز