تشخيص خرابي‌هاي روسازي با استفاده از روشهاي يادگيري ماشين

كارشناسي ارشد

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 پردازش تصوير است. بيشتر اين مطالعات به منظور تشخيص تركهاي روسازي و بر پايهي استفاده از روشهايي هستند كه نيازمند دادههاي زياد است و داراي حجم محاسباتي بالايي ميباشند. از اين رو اين پژوهش به دنبال راهكاري براي تشخيص خرابيهاي شايع با استفاده از دادههايي با حجم كمتر و روشهاي مناسب پيشپردازش و استخراج ويژگي به منظور طبقهبندي با دقت بالا است. به اين منظور از بافت تصاوير ويژگيها مهم استخراج گرديد و توسط روشهاي يادگيري ماشين خرابيها طبقه بندي گرديد. نتايج نشان داد كه اين روش نميتواند تركها را به خوبي از يكديگر تفكيك كند، به همين منظور پس از پيشپردازش‌هاي لازم از روشي ديگر مبتني بر استخراج ويژگي از مولفههاي افقي و قائم استفاده شد. براي اين منظور هيستوگرامهايي در دو جهت افقي و قائم تصوير ايجاد شد و مقادير اين هيستوگرام به عنوان بردار ورودي به طبقهبند داده شد. نتايج حاكي از آن است كه هر نوع ترك هيستوگرام منحصر به فرد خود را دارد كه باعث تفكيك آنها از يكديگر ميشود. در اين پژوهش از روشهاي طبقهبندي ماشين بردار پشتيبان، درخت تصميم، k نزديكترين همسايه و جنگل تصادفي در يادگيري ماشين استفاده شد. نتايج طبقهبندي نشان داد كه،روش ماشين بردار پشتيبان با كرنل RBF داراي بيشترين دقت (93 درصد) نسبت به ساير طبقه بندها است.

205890

دانشگاه علم و صنعت ايران

مهندسي عمران- گرايش راه و ترابري

دكتر محمودعامري، دكتر برات مجردي