محمد امین گیاهبان - کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران
محمد حسن شجاعی فرد - استاد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران
عبدالله امیرخانی - استادیار، دانشکده مهندسی خودرو، دانشگاه علم و صنعت ایران، تهران، ایران

تشخیص وضعیت لغزندگی سطح جاده امری مهم در راستای افزایش امنیت جاده و سرنشینان و همچنین توسعه خودروهای خودران و فناوری های مرتبط با آن است. در این راستا پژوهش های مختلفی با روش ها و حسگرهای متفاوت، با استفاده از داده های گوناگونی نظیر تصویر، صوت و فرکانس موج صورت گرفته است. این مقاله بدون استفاده از حسگرها و روش های پرهزینه تنها با استفاده از تصاویر دوربین های مداربسته موجود در جاده ها و بهره گیری از شبکه های عصبی پیچشی انجام شده است. ایده اصلی پژوهش جاری استفاده از رویکرد یادگیری انتقالی است. بنابراین در ابتدا اهمیت و مزایای استفاده از یادگیری انتقالی، در قالب آموزش شبکه ای با ساختار InceptionNetv۳ بیان شده است. در مرحله بعد با استفاده از چارچوبی جدید به نام GFNet، شبکه عصبی پیچشی ResNet۵۰ و شبکه عصبی بازگشتی با یکدیگر ترکیب و با استفاده از یادگیری انتقالی آموزش داده شده اند. درنهایت شبکه ای با توانایی تشخیص سطح جاده، در سه دسته خشک، خیس و برفی با دقتی بالغ بر ۹۶% به دست آمده است.

شبکه های عصبی پیچشی, یادگیری انتقالی, یادگیری عمیق, امنیت جاده, طبقه بندی