طراحی سامانه هوشمند تشخیص موضوعی به کمک ارتقای داده ویدئومتری در تشخیص مناطق مهم ویدئوهای ضبط شده از اعماق زمین، برای سریعتر تحلیل کردن عیب و برآورد وضعیت

نوع محتوی: طرح پژوهشی
Language: Persian
Document ID: R-1279264
Publish: 1 October 2021
دسته بندی علمی: مهندسی آب و هیدرولوژی
View: 230
Pages: 91
Publish Year: 1396

This Research With 91 Page And PDF Format Ready To Download

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Research:

Abstract:

استخراج و بهره برداری از منابع آب های زیرزمینی از دیرباز در مناطق مختلف به اجرا درآمده و مورد توجه پیشینیان بوده است. استان سمنان هم از جمله مناطقی است که با بحران جدی کم آبی دست و پنجه نرم می کند و سفره های زیرزمینی این استان با افت قابل توجهی مواجه گردیده است. برای کنترل آب های زیرزمینی طرح ها بسیاری اعم از مطالعاتی و عمرانی در خصوص رفع این بحران توسط دولت مصوب شده است. جهت افزایش طول عمر بهره برداری از چاه ها یکی از برنامه هایی که در کشور در حال اجرا است، روش ویدیومتری است که به منظور شناسایی مشکلات در بهره برداری چاه های آب به منظور جلوگیری از صرف هزینه های بالای حفر چاه جدید در محل هایی که چاه ها با کاهش آبدهی مواجه اند استفاده می شود. ولی با توجه به اهمیت مسئله و استفاده پرکاربرد از این دستگاه، متاسفانه کار با دستگاه ویدیومتری و استفاده از داده های ویدیومتری دارای مشکلاتی نظیر افزایش هزینه ویدیومتری با افزایش کیفیت دوربین، نیاز به بازبینی فیلم هیا دریافتی از ویدئومتری توسط اپراتور و همچنین سرعت و دقت پایین در تحلیل داده ها می باشد. در راستای حل مشکلات یاد شده تاکنون پژوهش های مختلفی جهت بازبینی خودکار این ویدئوها به کمک طراحی سیستم های هوشمند مبتنی بر پردازش تصویر و بینایی ماشین ارائه شده است، اما با توجه به مشکلات عدیده ای که در این زمینه وجود دارد، این موضوع هنوز یکی از حوزه های مورد توجه محققان این رشته می باشد. در این تحقیق دو روش پیشنهادی به منظور تجزیه و تحلیل فیلم های ویدئومتری ارائه گردیده است. در روش اول با استفاده از ویژگی های مبتنی بر لبه، تبدیل موجک و منحنی وریوگرام و به کمک طبقه بند ماشین های بردار پشتیبان به تشخیص تصاویر معیوب از تصاویر سالم پرداختیم. بر اساس نتایج بدست آمده از این بخش، حداکثر نرخ تشخیص حدود ۷۸% برای بازشناسی تصاویر معیوب از تصاویر سالم به دست آمد. در روش دوم، با تمرکز بر روی عیوب مربوط به نفوذ ریشه در کانال، با استفاده از الگوریتم یادگیری ساختارو بازنمایی پراکنده، دو دیکشنری برای مدل سازی ساختار پیکسل های مربوط به ریشه و پیکسل های غیرریشه آموزش داده شدند. بعبارتی در این روش دو نوع بافت برای تصویر درنظر گرفته می شود: بافت ریشه و بافت غیر ریشه. سپس با استفاده از دیکشنری های تولید شده به طبقه بندی این دو نوع بافت پرداخته می شود. نتیجه ی این الگوریتم ناحیه بندی ریشه در تصویر خواهد بود. نتایج حاصل از آزمایش های ما موفقیت چشمگیر این الگوریتم را در تشخیص نواحی ریشه، ارزیابی میزان نفوذ و تشخیص محل عیب اثبات نمودند.