CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s در شناسایی خودکار ترک روسازی آسفالتی

عنوان مقاله: استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s در شناسایی خودکار ترک روسازی آسفالتی
شناسه ملی مقاله: ICACU02_2496
منتشر شده در دومین کنفرانس بین المللی معماری، عمران، شهرسازی، محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب در سال 1401
مشخصات نویسندگان مقاله:

حسن حسین زاده - دانشجوی کارشناسی ارشد مهندسی عمران گرایش راه و ترابری، موسسه آموزش عالی اقبال لاهوری
علی قیامی باجگیرانی - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری
محدثه دلاوریان - استادیار گروه مهندسی عمران، موسسه آموزش عالی اقبال لاهوری

خلاصه مقاله:
روسازی های آسفالتی بخش از انواع سطح جادهها در ایران را تشکیل می دهند. این روسازی ها بسته به شرایطشان نیاز به حفظ و روکش دارند. در میان دسته های مختلف آسیب های روسازی ، ترکهای روسازی از اهمیت بالایی برخوردار هستند و در ارزیابی و پیش بینی چرخه عمر روسازی در یک پروژه نقش بسزایی دارند. این کار تحقیقاتی به شناسایی خودکار ترکهای روسازی آسفالتی با استفاده از الگوریتم های تشخیص اشیاء YOLOv۳ و YOLOv۵s می پردازد. بدین منظور از تصاویر برداشت شده از معابر اصلی شهر مشهد برای آموزش و ارزیابی این الگوریتم ها استفاده گردید و این الگوریتم ها براساس دقت و سرعت پیش بینی مورد ارزیابی و مقایسه قرار گرفتند. YOLOv۳ با دقت ۹۶ درصد دقت بهتری را نسبت به YOLOv۵s با دقت ۹۲ درصد داراست اما الگوریتم v۵s با سرعت پیش بینی ۲۳ میلی ثانیه ، نسبت به YOLOv۳ سریع تر می باشد. هر دو الگوریتم عملکرد قابل قبولی را در تشخیص ترکهای روسازی داشته اند. درصورتی که دقت بالا مدنظر است می توان از YOLOv۳ و در صورتی دقت قابل قبول و سرعت پیش بینی بالا مدنظر است می توان از الگوریتم v۵s استفاده کرد. نتایج هردو الگوریتم که شامل نوع، موقعیت و ابعاد ترک می باشد را می توان به منظور تعیین رویکرد تعمیر و نگهداری استفاده کرد.

کلمات کلیدی:
روسازی آسفالتی ، تشخیص ترک، یادگیری عمیق ، YOLOv۳، .YOLOv۵s

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1614542/