11974

تكنيك هاي يادگيري ماشين براي تشخيص خرابي وصله هاي عميق و نيمه عميق در روسازي آسفالتي

1400

حسن زياري

ارزيابي خرابيهاي روسازي يكي از مهمترين مرحله، در عمليات مديريت روسازي محسوب ميشود. در سالهاي اخير تحقيقاتي گستردهاي پيرامون توسعه روشهاي خودكار، جهت تشخيص خرابيهاي روسازي انجام گرفته است. يكي از اين روشها استفاده از روشهاي يادگيري ماشين درپردازش تصوير است.ارزيابي خرابي¬هاي روسازي هميشه يك كار سخت در پردازش تصوير است. در راه، خرابي يكي از عوامل اصلي آسيب به روسازي است كه مي تواندكيفيت روسازي را كاهش دهد و حمل و نقل را تحت تاثير قرار دهد. روش¬هاي زيادي براي حل اين مشكل پيشنهاد شده است. بيشتر اين مطالعات به منظور تشخيص خرابي وصله در روسازي و بر پايه استفاده از روشهايي هستند كه نيازمند دادههاي زياد است و داراي حجم محاسباتي بالايي ميباشند.در اين مطالعه روش اصلي يادگيري ماشين براي تشخيص خرابي وصله را مورد بررسي قرار مي گيرد. روش هاي يادگيري ماشين مبتني بر تشخيص ترك مانند شبكه عصبي و ماشين بردار پشتيبان بر ويژگي¬هاي دست ساز با استفاده از تكنيك هاي پردازش تصوير متكي است. روش هاي يادگيري ماشين به طور اساسي روش تشخيص وصله را تغيير داده و عملكرد تشخيص را تا حد زيادي بهبود بخشيده است. در اين پژوهش از روشهاي طبقهبندي ماشين بردار پشتيبان، درخت تصميم وشبكه عصبي كانولوشن دريادگيري ماشين استفاده شد. نتايج طبقهبندي نشان داد كه،روش ماشين بردار پشتيبان با كرنلSVC داراي بيشترين دقت (98 درصد) نسبت به ساير الگوريتم هاي يادگيري است.

2/19/2023 12:00:00 AM

78845

1402/03/10

Machine techniques to detect the failure of deep and semi-deep patches in asphalt pavement

يادگيري ماشين،پردازش تصوير،ارزيابي خرابي هاي روسازي،خرابي وصله