فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدف: لایه رویه جاده با گذشت زمان و بر اثر ترافیک و عوامل جوی دچار آسیب های مختلف می شوند و از کیفیت آنها کاسته می شود. بنابراین، استخراج سریع و دقیق ناهنجاری لایه رویه برای نظارت مؤثر بر وضعیت سلامت جاده بسیار مهم است. به منظور بهبود کارایی بازرسی لایه رویه، امروزه پهپادها ابزار مفیدی برای به دست آوردن اطلاعات قابل اعتماد در زمینه لایه رویه جاده استفاده می شود. مواد و روش ها: این پژوهش با هدف آشکارسازی خرابی لایه رویه جاده های جنگلی با استفاده از تصاویر پهپاد و فنون پردازش تصویر در جادهای به طول 3/6 کیلومتر در جنگل آموزشی و پژوهشی دکتر بهرام نیا استان گلستان انجام گرفت. تصاویر حاصل از پهپاد با استفاده از محاسبات فتوگرامتری پردازش و تصویر ارتوموزائیک و مدل رقومی ارتفاع زمین تهیه شد؛ سپس تصاویر حاصل جهت شناسایی و بررسی چاله های لایه رویه با استفاده از سه الگوریتم یادگیری نظارت شده نزدیکترین همسایه، K - نزدیکترین همسایه و ماشین بردار پشتیبان مورد بررسی و ارزیابی قرار گرفت. یافته ها: نتایج نشان داد که تصویر ارتوموزائیک حاصل از محاسبات فتوگرامتری دارای صحت بالایی است. همچنین بررسی صحت الگوریتم های مورد استفاده جهت طبقه بندی و شناسایی چاله ها نشان داد که این الگوریتم ها قابلیت خوبی در شناسایی خرابی لایه رویه جاده دارند. الگوریتم نزدیکترین همسایه، K - نزدیکترین همسایه و ماشین بردار پشتیبان به ترتیب خرابی های لایه رویه را با صحت 92/04، 94/31 و 96/59 درصد برآورد کردند. نتیجهگیری: الگوریتم ماشین بردار پشتیبان یک الگوریتم یادگیری نظارت شده با صحت 96/59 درصد دارای بیشترین صحت طبقه بندی در مقایسه با دو الگوریتم دیگر بود و به عنوان یک روش مناسب جهت طبقه بندی و شناسایی خرابی ها در این پژوهش معرفی شد. از تصاویر پهپاد حاصل و الگوریتم های یادگیری نظارت شده میتوان برای شناسایی ناهنجاری لایه رویه جاده های جنگلی از جمله چاله ها استفاده کرد.