ارزیابی خودکار وضعیت روسازی جادهای با استفاده از مدل شبکه مولد تخاصمی با جریمه گرادیان و بخشبندی مبتنی بر U-Net | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 7، دوره 57، شماره 9، آذر 1404، صفحه 1667-1696 اصل مقاله (1.82 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2026.24715.8341 | ||
| نویسندگان | ||
| محمد صدیقیان فرد؛ امیر گلرو* | ||
| دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران | ||
| چکیده | ||
| توسعه مدلهای یادگیری عمیق کارآمد در حوزه تشخیص و بخشبندی خودکار خرابیهای روسازی آسفالتی با چالش جدی کمبود و عدم توازن دادههای آموزشی مواجه است. پژوهش حاضر با هدف ارزیابی خودکار وضعیت روسازی و با فرضیه غلبه بر محدودیتهای دادهای از طریق تولید دادههای مصنوعی واقعگرایانه، رویکردی نوین را برای تشخیص و بخشبندی خودکار خرابیهای آسفالتی ارائه داده است. در روش پیشنهادی، ابتدا از شبکه مولد تخاصمی واسرشتاین با جریمه گرادیان (WGAN-GP) به منظور تولید تصاویر باکیفیت و متنوع ترک با استفاده از مجموعه داده عمومی کرک 500 استفاده شد تا ضمن جلوگیری از فروپاشی حالت، پایداری آموزش تضمین شود. سپس، یک مدل U-Net برای بخشبندی پیکسل به پیکسل بر روی مجموعه داده ترکیبی (واقعی و مصنوعی) آموزش داده شد. نوآوری اصلی این تحقیق در تلفیق معماری بهبودیافته GAN با مدل بخشبندی برای رفع مشکل بیشبرازش و افزایش قابلیت تعمیمپذیری مدل در شرایط محیطی مختلف است. بررسی نتایج نشان میدهد که افزودن تصاویر مصنوعی، عملکرد مدل بخشبندی را به طور چشمگیری افزایش داده و منجر به کسب ضریب دایس 961/0 و شاخص اشتراک روی اجتماع 925/0 شده است. همچنین، ارزیابی عملکرد مدل توسعه یافته حاکی از توانایی بالای آن در شناسایی ترکهای ریز و پیچیده در مجموعه دادههای دیگر میباشد. در نهایت، با ادغام خروجیهای مدل در یک شاخص وضعیت سطحی، چارچوب پیشنهادی توانایی ارزیابی هوشمند، دقیق و کمهزینه شرایط روسازی را فراهم کرده است. | ||
| کلیدواژهها | ||
| سیستم مدیریت روسازی؛ شبکه مولد تخاصمی با جریمه گرادیان (WGAN-GP)؛ بخشبندی ترک؛ مدل U-Net؛ شاخص وضعیت سطحی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 314 تعداد دریافت فایل اصل مقاله: 316 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,381,223 |
| تعداد دریافت فایل اصل مقاله | 6,939,632 |