مقایسه دقت الگوریتم شبکه عصبی NNC و یادگیری ماشین SVM در شناسایی وطبقه بندی آسیب خیابانهای شهری با استفاده از تصاویر پهپادی مطالعه بخشی از خیابانهای شهر یزد

حفظ و نگهداری از راه ها همواره جزو مواردی میباشد که در حوزه های مختلف مدیریت و توسعه شهری مورد بحث قرار میگیرد. مطالعه آسیبهای مربوط به آسفالت به دلیل نیاز به تصاویری با قدرت مکانی بالا نیازمند روشهای مبتنی بر سیستمهای سنجش از دوری و باشد. پژوهش حاضر قصد دارد تا با استفاده از تصویر پهپادی به ارزیابی و مقایسه دو الگوریتم شبکه عصبی مصنوعیNNCویادگیری ماشین ماشین بردار پشتیبان (SVM) در تفکیک ترک آسفالت شهری بپردازد نتایج به دست آمده از پژوهش حاضر بیانگر دقت عملکرد بیشتر الگوریتم SVM در تفکیک و طبقه بندی ترک از آسفالت با دقت کلی %۹۱ و ضریب کاپای %۸۶% نسبت به روش NNC با دقت کلی و ضریب کاپای به ترتیب %۸۹ و ۸۵ بود نتایج همچنین بیانگر دقت عملکرد بهتر الگوریتم SVM با دقت تولید کننده ۷۳/۵ و دقت ود کاربر ۹۷/۲ در تفکیک دو کلاس به ترتیب ترک و آسفالت نسبت به NNC .بود نتایج به دست آمده از پژوهش حاضر به منظور استفاده از سنجش از دور و الگوریتم بهینه از بین دو الگوریتم مطالعه شده در پژوهش پیش رو در مطالعات مربوط به کیفیت آسفالت و روسازی آن مورد برنامه ریزان شهری و پژوهشگران راه و شهرسازی قرار بگیرد.