حسن حسین زاده - گروه مهندسی عمران، دانشکده فنی و مهندسی، موسسه آموزش عالی اقبال لاهوری
علی قیامی باجگیرانی - گروه مهندسی عمران، دانشکده فنی و مهندسی، موسسه آموزش عالی اقبال لاهوری
محدثه دلاوریان - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی اقبال لاهوری

تشخیص خودکار ترک روسازی برای ارزیابی الزامات تعمیر و نگهداری راه و اطمینان از ایمنی رانندگی ضروری است. تشخیص سنتی ترک دارای مشکلاتی مانند بازدهی پایین و عدم شناسایی کامل است. این پژوهش باهدف رفع مشکلات روش های سنتی تشخیص ترک و استفاده از مدل های یادگیری عمیق، روشی مبتنی بر الگوریتم های آشکارسازی و تشخیص شی برای تشخیص ترک روسازی طراحی کرده و ضمن تشریح مفاهیم تئوری، آخرین مدل های تشخیص اشیا سری YOLOv۵ را برای تشخیص ترک روسازی موردبحث قرار داده است. درنهایت یک مدل آشکارسازی ترک و مدیریت روسازی موثر ارائه شده است. این مدل قادر است نوع، موقعیت و مشخصات هندسی ترک را با دقت و سرعت بالایی نسبت به سایر روش ها مشخص کند. بدین منظور از تصاویر برداشت شده از آسفالت معابر شهر مشهد برای آموزش و ارزیابی مدل استفاده شد. تصاویر برای دو گزینه ترک خطی و ترک سطحی برچسب-گذاری شد. سپس مدل هایی با به کارگیری پنج الگوریتم سری YOLOv۵ و یادگیری انتقالی، ایجاد و ازنظر دقت و سرعت پیش بینی مورد ارزیابی قرار گرفته است. دقت مدل ها بین ۷۷ تا ۹۸ درصد و سرعت پیش بینی مدل ها بین ۴/۱۷ تا ۱۰۵ میلی ثانیه است که بیانگر عملکرد مطلوب مدل ها است. مدل v۵s با داشتن دقت ۸/۹۲ درصد و سرعت ۹/۲۳ میلی ثانیه، به عنوان مدل نهایی جهت پیش بینی واقعی ترک در یکی از معابر اصلی شهر مشهد استفاده شد. با توجه به ابعاد و نوع ترک پیش بینی شده و استفاده از درخت تصمیم پیشنهادی، رویکرد تعمیر و نگهداری برای هر قطعه مشخص گردید.

مدیریت روسازی, ترک, یادگیری ماشین, یادگیری عمیق, YOLOv۵