استفاده از پهپاد و هوش مصنوعی برای تشخیص، ترک، طبقه بندی و شاخص وضعیت روسازی های فرودگاه

ارزیابی وضعیت روسازی های فرودگاه برای تضمین ایمنی و کارایی عملیاتی ضروری است. این مطالعه رویکردی نوآورانه و کاملا خودکار برای محاسبه شاخص وضعیت روسازی (PCI) ارائه می دهد که ترکیبی از فتوگرامتری هوایی مبتنی بر پهپاد (UAV) و تکنیک های پیشرفته هوش مصنوعی (AI) را به کار می گیرد. این روش از سه مرحله کلیدی پیروی می کند، نخست تجزیه و تحلیل ارتوفتوهای بخش های مجزای روسازی با استفاده از یک مدل هوش مصنوعی آموزش دیده و سفارشی که برای تشخیص و طبقه بندی دقیق ترک ها طراحی شده است؛ دوم به کارگیری اسکلت بندی و تحلیل ماسک معنایی به منظور اندازه گیری ویژگی های هندسی ترک ها؛ و سوم خودکارسازی محاسبه PCI برای انجام ارزیابی های سریع تر، سازگارتر و قابل تکرار. استفاده از تصاویر پهپادی با وضوح بالا و مدل های قطعه بندی پیشرفته باعث دستیابی به دقت بیشتر در تشخیص ترک های عرضی و طولی می شود. محاسبه خودکار PCI نیاز به مداخله انسانی را به حداقل رسانده، خطاها را کاهش می دهد و از تصمیم گیری کارآمدتر و مبتنی بر داده در مدیریت روسازی های فرودگاه پشتیبانی می کند. این مطالعه پتانسیل تحول آفرین ادغام فناوری های پهپاد و هوش مصنوعی را در تسهیل فرآیندهای نگهداری زیرساختی و ارتقای پروتکل های ایمنی برجسته می سازد.

Keywords:

شاخص وضعیت روسازی (PCI) , فتوگرامتری هوایی مبتنی بر پهپاد , مدیریت روسازی فرودگاه , تشخیص خودکار ترک , تحلیل زیرساخت مبتنی بر هوش مصنوعی