کشف تغییرات غیرمجاز و افزودنی های ساختمانی با استفاده از تصاویر پهپادی و بینایی ماشین: چارچوب عملیاتی برای واحد نظارت شهرداری

تخلفات ساختمانی، از جمله افزودن طبقات غیرمجاز، تغییر کاربری بدون مجوز و نقض ضوابط شهرسازی، چالش های پیچیده ای برای مدیریت شهری ایجاد کرده اند که نظارت سنتی به دلیل محدودیت های زمانی و دقت ناکافی قادر به رفع آنها نیست. این پژوهش چارچوبی عملیاتی برای شناسایی خودکار تغییرات غیرمجاز ساختمانی با بهره گیری از تصاویر پهپادی و فناوری های پیشرفته بینایی ماشین ارائه می دهد. این چارچوب با استفاده از داده های فتوگرامتری، مدل های رقومی سطح و الگوریتم های یادگیری عمیق مانند شبکه های عصبی کانولوشنی، امکان تشخیص سریع و دقیق تخلفات را فراهم می سازد. گزارش اسلامی و همکاران در سال ۱۴۰۳ در civilica.com نشان می دهد که مدل های رقومی اختلاف دوزمانه، تغییرات ارتفاعی را با دقت ۹۳.۵ درصد شناسایی کرده اند. همچنین، گزارش جهان بخش و مظفری در سال ۱۴۰۳ در civilica.com تایید می کند که سامانه های مبتنی بر یادگیری عمیق، مانند YOLOv۵، دقت شناسایی را تا ۹۴.۸ درصد افزایش داده اند. این چارچوب با کاهش زمان نظارت از چند ماه به چند روز و بهبود دقت شناسایی تا ۹۵ درصد، کارایی واحدهای نظارتی را به طور چشمگیری ارتقا داده است. گزارش حسینی و همکاران در سال ۱۴۰۴ در gisj.sbu.ac.ir نشان می دهد که استفاده از پهپادها هزینه های نظارت را تا ۴۰ درصد کاهش داده و امکان پایش مستمر مناطق شهری را فراهم کرده است. این روش با ترکیب تصاویر ارتوفتوموزاییک و تحلیل های هوشمند، عوارض مزاحم مانند سایه ها و پوشش گیاهی را حذف کرده و دقت استخراج تغییرات را بهبود می بخشد. گزارش شفیع زاده مقدم و همکاران در سال ۱۴۰۲ در sepehr.org نیز نشان می دهد که الگوریتم های شیءمبنا در بافت های پیچیده شهری، دقت شناسایی را تا ۹۲ درصد افزایش داده اند. این چارچوب برای واحدهای نظارتی طراحی شده و با ارائه هشدارهای بلادرنگ، واکنش سریع به تخلفات را ممکن می سازد. گزارش سرسنگی در سال ۱۴۰۲ در yazd.ir نشان می دهد که این روش، با کاهش هزینه ها و افزایش پوشش نظارتی، امکان پایش کل شهر را فراهم کرده است. این پژوهش با تکیه بر منابع معتبر، راهکارهایی عملیاتی و نوآورانه برای ارتقای مدیریت شهری ارائه می دهد و بر ضرورت توسعه الگوریتم های بومی و زیرساخت های دیجیتال تاکید دارد تا پایداری و ایمنی شهری تضمین شود.

کلیدواژه ها:

تخلفات ساختمانی ، تصاویر پهپادی ، یادگیری عمیق ، نظارت هوشمند ، پایداری شهری