Phân loại vết nứt mặt đường sử dụng mô hình học máy tăng cường và các kỹ thuật xử lý ảnh=Classification of asphalt pavement crack severity using gradient boosting machine and image processing techniques

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Nhật Đức Hoàng

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Đại học Duy Tân, 2024

Mô tả vật lý: tr.80-89

Bộ sưu tập: Báo, Tạp chí

ID: 477320

Thêm vào giỏ

Nghiên cứu của chúng tôi đề xuất một phương pháp mới để phát hiện các vết nứt trên mặt đường và phân loại chúng dựa trên mức độ nghiêm trọng. Phương pháp học máy tăng cường dựa trên độ dốc (LightGBM) được sử dụng để phân loại bề mặt mặt đường thành năm nhóm: không nứt, nứt đã được trám, nứt nhỏ, nứt vừa, và nứt rộng. Chúng tôi sử dụng các bộ lọc có thể điều chỉnh, tích phân chiếu, và phân tích kết cấu hình ảnh để trích xuất tính chất của mẫu ảnh. Kết quả tính toán cho thấy phương pháp dựa trên LightGBM có khả năng phân loại tốt với độ chính xác lớn hơn 98% và chỉ số F1 lớn hơn 0.95 cho tất cả các nhóm ảnh.This study puts forward an innovative approach for not only detecting cracks but also recognizing their severity. Herein, the severity of a crack object is characterized by its width. Light Gradient Boosting Machine (LightGBM) has been employed to categorize pavement surface into five labels: non-crack, sealed crack, minor crack, moderate crack, and severe crack. The model construction of the LightGBM requires a set of feature extractors, including steerable filters, projection integrals, and image texture analyses. Experimental results show that the LightGBM-based method is capable of achieving outstanding classification performance with CAR >
0.98 and F1 score >
0.95 for all class labels.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR