文献

J-GLOBAL ID：202202258629005412   整理番号：22A0924863

最適化GA-CNNに基づく自動アスファルト舗装損傷率検出【JST・京大機械翻訳】

Automated asphalt pavement damage rate detection based on optimized GA-CNN

著者 (4件)： Li Jiale (School of Civil and Transportation Engineering, Hebei University of Technology, Tianjin 300401, China) ,  Liu Tao (School of Civil and Transportation Engineering, Hebei University of Technology, Tianjin 300401, China) ,  Wang Xuefei (School of Civil and Transportation Engineering, Hebei University of Technology, Tianjin 300401, China) ,  Yu Jianyou (Hebei Expressway Group Yanchong Office, Hebei 075400, China)
資料名： Automation in Construction  (Automation in Construction)
巻： 136  ページ： Null  発行年： 2022年 
JST資料番号： W0491A  ISSN： 0926-5805  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 舗装は,そのサービス寿命が始まる瞬間から維持する必要がある。保全戦略は,道路損傷率(DR)のような舗装品質指数に主に基づいている。正確な舗装苦痛検出は,一般的に高価で複雑である。不適当な舗装苦痛検出戦略は,予算使用と未処理道路疾患の低い効率をもたらすことができた。本研究では,特定の舗装位置に対する直接舗装表面条件指数(PCI)を提供する革新的ビジョンベース舗装亀裂検出戦略について述べた。本戦略は,舗装亀裂タイプを分類するために5千の舗装 distress迫画像を含むデータベースを採掘するために,畳み込みニューラルネットワーク(CNN)アルゴリズムの適用によって達成した。ネットワークの精度を改善するために,遺伝的アルゴリズム(GA)を用いてモデルを最適化した。効率と精度を同時に考慮するために,強化画像処理法を用いて舗装のDRを測定した。モデル入力画像サイズは100×100画素であり,試験結果は,提案方法がロバスト性,精度,および処理速度において満足な性能を有することを示した。異なる亀裂タイプを分類する精度は98%に達し,画像の処理時間は0.047秒であった。本研究では,メッシュ亀裂のブロックを計算する楕円フィッティング法を提案した。舗装損傷率を検出する総合精度は90%に達した。本研究は,長期アスファルト舗装最適リハビリテーションと保全(R&M)決定のための直接的指針を提供するために,自動舗装品質指数計算における革新的深層学習法の可能性を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  亀裂 ,  *最適化 ,  データベース ,  ネットワーク ,  保全 ,  道路 ,  *舗装 ,  画像処理 ,  画素 ,  *アスファルト舗装 ,  *損傷 ,  指針 ,  ロバスト性 ,  遺伝的アルゴリズム

著者キーワード (5件)： 道路損傷率(DR) ,  舗装表面条件指数(PCI) ,  道路保全 ,  畳込みニューラルネットワーク(CNN) ,  画像処理

分類 (3件)： 舗装一般  (RC04010K) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 最適化 ,  Ga ,  CNN ,  アスファルト ,  舗装損傷