این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران امیرکبیر، جلد ۵۴، شماره ۵، صفحات ۱۷۰۵-۱۷۳۰
عنوان فارسی ارزیابی توانایی روش فتوگرامتری پهپاد در آشکارسازی ترک روسازی جاده‌ها
چکیده فارسی مقاله به ‌منظور ایجاد سامانه مدیریت روسازی راه‌ها باید مؤلفه‌های اطلاعاتی بر اساس دیدگاه‌های مختلف مدیریت روسازی اخذ شوند. از جمله مهم‌ترین مؤلفه‌های اطلاعاتی در این سامانه‌ها، ارزیابی کیفی وضعیت روسازی راه‌ها می‌باشد. لذا در این رابطه داده‌های حاوی جزئیات خرابی‌های سطحی روسازی از اهمیت فراوانی برخوردار است. خرابی‌های روسازی علاوه بر اینکه باعث استهلاک وسایل نقلیه، صرف هزینه‌های تعمیر و نگهداری و کاهش عمر مفید سازه روسازی می‌شوند، موجب بروز تصادفات و کاهش ایمنی معابر نیز می‌گردند. با توجه به اینکه مهم‌ترین خرابی‌های سطحی در روسازی جاده‌ها مربوط به ترک‌ها می‌باشند و از آنجایی ‌که تشخیص این ترک‌ها به ‌صورت بصری قابل‌برداشت و ارزیابی است، پس روش‌های مبتنی بر تصویربرداری می‌تواند در تشخیص آن بسیار کارگشا باشد. در این پژوهش از فتوگرامتری پهپاد به ‌عنوان روشی مکمل جهت آشکارسازی خرابی‌های ناشی از ترک روسازی استفاده شده است. لذا با ارائه روندی جهت بررسی پارامترهای بهینه در طراحی شبکه فتوگرامتری پهپاد و همچنین پیاده‌سازی الگوریتمی خودکار مبتنی بر پردازش تصویر و طبقه‌بندی کننده درخت تصمیم‌گیری اقدام گردید. نتایج حاصل از ارزیابی صورت گرفته در خصوص آشکارسازی پیکسل‌های ترک توسط الگوریتم پیشنهادی و مقایسه آن با واقعیت زمینی در بهترین حالت و با استفاده از ارتوفتوموزائیک تولید شده از تصاویر اخذ شده توسط پهپاد فانتوم 4 پرو در ارتفاع 20 متری، دقت 96% حاصل شد. با توجه به‌ دقت بالای این روش در آشکارسازی خرابی‌های ناشی از ترک، استفاده از فتوگرامتری پهپاد به ‌عنوان روشی مکمل و قابل ‌اعتماد در سامانه مدیریت روسازی پیشنهاد شده است.
کلیدواژه‌های فارسی مقاله سامانه مدیریت روسازی، ترک‌های روسازی، فتوگرامتری پهپاد، یادگیری ماشین و درخت تصمیم‌گیری،
عنوان انگلیسی Evaluation of UAV Photogrammetric capability in Road Pavement Cracks Detection
چکیده انگلیسی مقاله To establish a system for managing road pavement, it is mandatory to prepare information components based on various perspectives of pavement management. One of the most significant information components in these systems is quality assessment regarding road pavement status. Accordingly, in this regard, data containing details of surface pavement failures and defects are of great significance. Apart from causing vehicle depreciation & damage, maintenance costs, and reducing the useful lifespan of the pavement structure, road pavement failures also lead to accidents and reduce road safety. Bearing in mind that the most important surface damages in road pavement are related to cracks with longitudinal, transverse, oblique, alligator, and block types, and as such cracks and defects can be visually and non-destructively assessed and evaluated, imaging-based approaches and techniques can provide details such as the type of defect, its severity, extent, and location and prove to be highly useful. In this paper, the Unmanned Aerial Vehicle (UAV)/drone photogrammetry has been proposed as a complementary approach aimed at providing information on defects caused by cracks in the country's road pavement management system. According to the author, the output of UAV photogrammetric products will significantly improve if the system parameters are adjusted. Consequently, through presenting a procedure to investigate the optimal parameters in the design of a UAV photogrammetric network, further, attempts were made for the implementation of an automated algorithm based on image processing operations & classifier decision tree which is independent of scale and image dimensions. Hence, after removing the road edges and determining the asphalt area, a pixel detection operation was carried out to reveal the cracks. Furthermore, after preparing the ground reality through selected orthophoto mosaic, the evaluation of crack pixel detection was determined using the proposed algorithm with three methods. An accuracy of 96% was determined for the main orthophoto mosaic. For the test orthophotos, which were the result of images taken by Phantom 4 Pro and Mavic Pro at different altitudes, an accuracy of approximately 82% to 91% was determined.
کلیدواژه‌های انگلیسی مقاله سامانه مدیریت روسازی, ترک‌های روسازی, فتوگرامتری پهپاد, یادگیری ماشین و درخت تصمیم‌گیری
نویسندگان مقاله سید آریا فخری |
دانشگاه اصفهان

محمد سعادت سرشت |
دانشیار دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی، دانشگاه تهران

مسعود ورشوساز |
دانشیار دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین طوسی

حمزه ذاکری |
hafez

نشانی اینترنتی https://ceej.aut.ac.ir/article_4443_2f8b8cf3d2be96f5e0c7c6e1ababd2cb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات