مجله مهندسی برق و الکترونیک ایران - جلد 21 شماره 3                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


چکیده:   (115 مشاهده)
شخیص خودکار خرابیهای جادهها به فرایند تعمیر و نگهداری از آن¬ها سرعت میبخشد و از تصادفات رانندگی بسیاری جلوگیری مینماید. در این مقاله برای بررسی عملکرد شناساگرهای خرابی جاده با استفاده از YOLOv5، ده شناساگر در پایگاه داده RDD2020 توسعه داده‌ شد. با شبیه‌سازی شرایط محیطی مانند تابش شدید نور خورشید و سایه بر سطح جاده مشخص گردید شناساگرهای خرابی جاده در این شرایط عملکرد خوبی ندارند. در ادامه با استفاده از تکنیکهای داده افزایی سنتی، استحکام شناساگرهای خرابی جاده در شرایط محیطی مختلف بهبود داده ‌شده است. با استفاده از این تکنیکها یک پایگاه صحت سنجی برای بررسی عملکرد شناساگرها در شرایط محیطی مختلف در پایگاه داده RDD2020 ایجاد گردید. به منظور حل چالش کمبود داده در این پایگاه از تکنیک داده افزایی جعبه مرزی و ترکیب آن با تلفیق پوآسن اصلاح‌شده بهره می بریم. در این روش تعداد نمونههای کلاس پایگاه داده مرجع در کلاس چاله و ترک افقی افزایش یافته است. نتایج این پژوهش نشان میدهد که آموزش شناساگرها با دادههای جدید، موجب بهبود عملکرد آنها در معیار F1-Score و mAP به ترتیب به میزان 33 و 50 درصد شده است.
     
نوع مقاله: پژوهشي | موضوع مقاله: الکترونیک
دریافت: 1401/11/4 | پذیرش: 1402/7/9

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb