تشخيص خرابي چاله در روسازي آسفالتي با استفاده از يادگيري ماشين

كارشناسي ارشد

شناسايي خرابي هاي روسازي يكي از مراحل مهم در عمليات مديريت روسازي مي باشد ، از طرفي تعمير و نگهداري جاده ها به منظور پايداري سيستم روسازي و حفظ امنيت وسايل نقليه امري مهم محسوب مي شود. لذا بازبيني و نظارت از سيستم روسازي به منظور تشخيص خرابي ها (ازجمله خرابي هاي موثر در تصادفات رانندگي مانند چاله ها )و تعمير سيستم روسازي جهت جلوگيري از سوانح جاده اي و ترمييم خرابي هاي سيستم روسازي امري ضروري است به همين دليل در دهه اخير، به منظور رفع نقائص و مشكلات مربوط به ارزيابي دستي و چشمي خرابي هاي روسازي، تحقيقات گسترده اي به منظور توسعه روش هاي نيمه خودكار و تمام خودكار بازرسي وضعيت روسازي وشناسايي خرابي هاي روسازي انجام گرفته است. بررسي مطالعات پيرامون شناسايي خودكار خرابي چاله نشان ميدهد روش هايي كه به شناسايي اين خرابي از روي تصاوير دوبعدي مي پردازد، ازلحاظ صرفه اقتصادي وكارآمدي مناسب‌تر از ساير روش هاي ارائه شده مي باشد. از اين رو اين پژوهش به توسعه روش هايي براي شناسايي خرابي چاله از روي تصاوير سطح آسفالت با استفاده از دادههايي با حجم كمتر و روشهاي مناسب پيشپردازش و استخراج ويژگي به منظور طبقهبندي با دقت بالا پرداخته است. به اين منظور دو روش براي شناسايي خرابي چاله ها در تصاوير روسازي آسفالتي در اين پژوهش ارائه شده است. نتايج بررسي معيار هاي ازريابي روش هاي ارائه شده نشان داد كه اين روش ها ميتواند با عملكرد قابل قبول تصاوير داراي خرابي چاله در روسازي آسفالتي راشناسايي كند . همچنين مقايسه الگوريتم هاي طبقه‌بندي در يادگيري ماشين نشان ميدهد روش ماشين بردار پشتيبان با كرنل خطي داراي بيشترين دقت (97 درصد) نسبت به ساير روش هاي طبقه بندي در يادگيري ماشين مي باشد.

210416

دانشگاه علم و صنعت ايران

مهندسي عمران راه وترابري

دكتر محمود عامري_دكتر برات مجردي