فهرست نشریات علمی دسترسی آزاد ایران

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 روش‌های سنتی تشخیص ترک و استفاده از مدل‌های یادگیری عمیق، روشی مبتنی بر الگوریتم‌های آشکارسازی و تشخیص شی برای تشخیص ترک روسازی طراحی کرده و ضمن تشریح مفاهیم تئوری، آخرین مدل‌های تشخیص اشیا سری YOLOv5 را برای تشخیص ترک روسازی موردبحث قرار داده است. درنهایت یک مدل آشکارسازی ترک و مدیریت روسازی مؤثر ارائه شده است. این مدل قادر است نوع، موقعیت و مشخصات هندسی ترک را با دقت و سرعت بالایی نسبت به سایر روش‌ها مشخص کند. بدین منظور از تصاویر برداشت‌شده 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 مدل‌هایی با به‌کارگیری پنج الگوریتم سری YOLOv5 و یادگیری انتقالی، ایجاد و ازنظر دقت و سرعت پیش‌بینی مورد ارزیابی قرار گرفته است. دقت مدل‌ها بین ۷۷ تا ۹۸ درصد و سرعت پیش‌بینی مدل‌ها بین 4/17 تا 105 میلی‌ثانیه است که بیانگر عملکرد مطلوب مدل‌ها است. مدل v5s با داشتن دقت 8/92 درصد و سرعت 9/23 میلی‌ثانیه، به‌عنوان مدل نهایی جهت پیش‌بینی واقعی ترک در یکی از معابر اصلی شهر مشهد استفاده شد. با توجه‌ به ابعاد و نوع ترک پیش‌بینی‌شده و استفاده از درخت تصمیم پیشنهادی، رویکرد تعمیر و نگهداری برای هر قطعه مشخص گردید.