تشخیص ترکهای سطح جاده های آسفالت به کمک تصاویر پهپاد و الگوریتم های یادگیری عمیق

امروزه با افزایش جمعیت و توسعه حمل و نقل جادهها به عنوان اصلیترین راه ارتباطی بین شهرها و روستاها شناخته می شوند. سطح جاده ها همواره توسط عوامل محیطی و انسانی دچار تخریب میشوند که میتواند تاثیر مستقیم بر روی کیفیت سیستم حمل و نقل و کسب و کارها داشته باشد شناسایی دقیق و به موقع این آسیبها به جهت کاهش هزینه های مالی و پیشگیری از تصادفات و سوانح جاده ای حائز اهمیت است این پژوهش با هدف ارزیابی عملکرد مدل YOLOv۸ در تشخیص ترکهای جادههای آسفالت با استفاده از تصاویر پهپاد انجام شده است در این،تحقیق مجموعه ای از تصاویر جاده ای شامل شش نوع ترک مختلف برچسب گذاری گردید و پس از پیش پردازش دادهها با نسبت ۸۰ برای آموزش و ۲۰ برای آزمون تقسیم شدند. نتایج حاصل از آموزش مدل نشان داد که YOLOv۸ توانسته است عملکرد بسیار دقیقی در شناسایی انواع ترکهای آسفالت ارائه دهد این مدل به بالاترین مقدار امتیاز F۱ برابر با ۰/۹۱ در سطح اطمینان ۰/۳۷۶ دست یافته و میانگین دقت متوسط برابر با ۰/۹۲ به دست آورده است. همچنین نمودارهای تابع ضرر حاکی از کاهش یکنواخت و همگرایی سریع مدل در طول فرآیند آموزش است. تحلیل نمودارهای دقت و بازیابی نیز نشان دهنده ی عملکرد متوازن و پایداری بالای مدل در تمامی کلاسهای ترک جاده ای است با توجه به نتایج حاصل مدل YOLOv۸ به عنوان یک ابزار کارآمد و موثر برای توسعه سامانه های پایش هوشمند خرابیهای سطح جاده پیشنهاد میشود.

کلیدواژه ها:

ترک سطح جادههای آسفالت ، پرنده هدایت پذیر از دور (پهپاد) ، الگوریتمهای یادگیری عمیق