Diagnostyka nawierzchni drogowej przy zastosowaniu metod sieci neuronowych – studium przypadku
[ 1 ] Wydział Inżynierii Lądowej i Transportu, Politechnika Poznańska | [ 2 ] Instytut Inżynierii Lądowej, Wydział Inżynierii Lądowej i Transportu, Politechnika Poznańska | [ S ] student | [ P ] pracownik
2022
artykuł naukowy
polski
- sieci neuronowe
- głębokie uczenie maszynowe
- diagnostyka nawierzchni
- obrazy cyfrowe
PL W artykule przedstawiono zastosowanie metody głębokiego uczenia maszynowego, wykorzystanej do jednego z zagadnień diagnostyki nawierzchni drogowej. Opisano techniki głębokiego uczenia maszynowego do rozpoznawania wybranej grupy uszkodzeń nawierzchni zarejestrowanych na obrazach cyfrowych. W ramach eksperymentu numerycznego porównano między sobą dwa modele powszechnie znane jako VGG16 i VGG19. Architektura sieci reprezentowana jest poprzez schemat połączeń charakterystyczny dla konwolucyjnych sieci neuronowych, które z założenia przeznaczone są na potrzeby identyfikacji obiektów na obrazach cyfrowych. Mimo wszystko źródłowa baza danych, znana pod angielską nazwą ImageNet, nie zawiera obrazów cyfrowych nawierzchni jezdni. W celu poszerzenia wiedzy w tym zakresie autorzy utworzyli bazę ortogonalnych obrazów cyfrowych nawierzchni jezdni i opisali jeden z możliwych scenariuszy wykorzystania tych narzędzi do zautomatyzowanej identyfikacji uproszczonej wersji wskaźnika stanu powierzchni.
65 - 72
5