ارائه ­دهنده:
اردلان قربانیان

  استاد راهنما:
دکتر مرتضی آنالویی
 

دکتر محمدرضا جاهدمطلق؛
دکتر مریم امیرمزلقانی

زمان : ۱۸ بهمن ماه ۱۴۰۲

  ساعت ۱۳:۰۰

چکیده پایان نامه :

تشخیص و طبقه ­بندی آسیب­ های سطحی موجود در زیرساخت­ های حمل­ و­نقل برای حفظ امنیت و جلوگیری از فجایع حائز اهمیت می­ باشد. اهمیت این موضوع به حدی است که برخی از کشورها برای انجام بازرسی­ های دوره ­ای از این زیرساخت­ها مصوباتی را تصویب کرده ­اند. طبق این مصوبات تمامی زیرساخت­های حمل ­و­نقل باید به صورت مرتب و دوره­ ای مورد بررسی قرار بگیرند و در صورت نیاز مورد بازسازی و یا به سازی قرار بگیرند. از آن جهت که انجام این بازرسی­ ها توسط عاملین انسانی، دشوار، زمان بر، پرهزینه و حتی مخاطره آمیز است، در این تحقیق در پی خودکار سازی این قبیل بازرسی­ ها هستیم. برای انجام این خودکار­سازی­ ها از  روش­ها و مدل­های یادگیری ماشین و بینایی ماشین کمک خواهیم گرفت و با پیاده ­سازی مدل هوش مصنوعی، تلاش در خودکار­سازی بازرسی­ ها، تشخیص و طبقه­ بندی ترک­ ها خواهیم کرد.
در این تحقیق در دو فاز مجزا به ارائه مدل­هایی برای تشخیص و طبقه ­بندی ترک­ ها خواهیم پرداخت. در فاز نخست، مدلی بسیار سریع و دقیق را برای طبقه ­بندی تصاویر ارائه خواهیم داد. این مدل برروی مجموعه داده ترکیبی جدیدی آموزش خواهد دید و قادر به تشخیص چهار کلاس مجزا از یکدیگر خواهد بود. مدل فاز نخست در نهایت بر روی یک مجموعه داده دیده نشده در زمان آموزش، مورد تست قرار میگیرد و نتایج فوق ­العاده ­ای را به نمایش میگذارد. در فاز دوم یک مدل بسیار بزرگ را خواهیم داشت که برروی یک مجموعه داده بزرگ آموزش خواهد دید و برای تشخیص ترک در تصاویر مورد استفاده قرار خواهد گرفت. هدف مدل موجود در فاز یک طبقه ­بندی تصاویر است در حالی که هدف مدل موجود در فاز دوم تشخیص اشیا می باشد. در فاز دوم برای بهبود عملکرد مدل، از داده افزایی­ های متعدد، بهینه ­سازهای متفاوت، تنظیم دقیق ابرپارامترها استفاده شده است. همچنین تعدادی تصاویر از جاده های ایران تهیه شده است و مدل با توجه به آنها آموزش دیده است تا عملکرد هرچه بهتر را از خود ارائه دهد. در فاز دوم، برای تست مدل از سه راه کار استفاده میکنیم. در راه کار اول ۵۰۰ تصویر جدید از ایران که به صورت انحصاری برای این تحقیق جمع­ آوری و برچسب­ گذاری ­شده ­اند، را مورد تست قرار می دهیم که نتایج خوبی را بدست می­ آوریم. در راه کار دوم یک قطعه ویدئو را از سطح شهر تهیه کردیم و مدل را به صورت بصری بر روی آن تست کردیم و نتایج مطلوبی را مشاهده کردیم. در راه کار سوم، مدل را در یک محیط شبیه ­سازی مورد بررسی قرار دادیم که نتایج بصری مطلوبی را نیز از آن بدست آوردیم.
برای پیاده ­سازی دو فاز ذکر شده، به جمع ­آوری داده پرداختیم و دو مجموعه داده را ارائه میکنیم. برای بهبود سرعت مدل بزرگ در فاز دوم از بهینه­ سازی­ هایی استفاده کردیم تا سرعت استنتاج آن  بهبود پیدا کند و امکان اجرای بلادرنگ آن برروی پردازنده مرکزی امکان­پذیر باشد.

 

مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری