ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОБНАРУЖЕНИЯ ДЕФЕКТОВ НА ПОВЕРХНОСТИ ДОРОЖНЫХ ПОКРЫТИЙ
Автор: Максим Александрович Носиков
Соавторы: Агамиров В.Л., Агамиров Л.В., Вестяк В.А.
Организация: АВТОНОМНАЯ НЕКОММЕРЧЕСКАЯ ОРГАНИЗАЦИЯ ВЫСШЕГО ОБРАЗОВАНИЯ «УНИВЕРСИТЕТ БРИКС (ЮНИБРИКС)»
В настоящее время нейронные сети все больше и больше занимают рабочих процессов. Многие малые и крупные фирмы внедряют в свою экосистему нейронные сети, для замены или улучшения условий труда. Там, где раньше требовалось несколько человек, теперь может справиться одна обученная нейронная сеть, одним из таких примеров является YOLO, которая активно используется в сфере видеонаблюдения, для определения объектов в реальном времени.
YOLO[1] (You Only Look Once) — архитектура нейронных сетей, предназначенная для детекции объектов на изображении.
Состояние дорожных покрытий напрямую влияет на безопасность и комфорт дорожного движения. Регулярный мониторинг и своевременный ремонт дорог являются важными задачами для городских и транспортных служб.
После переобучения нейронной сети YOLO, мы увидим результаты распознавание дефектов на дороге. Согласно полученным данным обучения мы сможем просмотреть, как часто в момент обучения нейронная сеть правильно или неправильно классифицирует данные. Использование YOLO для поиска дефектов на асфальте позволяет быстро и точно обнаруживать трещины, ямы и выбоины, обеспечивая эффективный мониторинг состояния дорожного покрытия в реальном времени.
Возможность использовать YOLO на видеопотоке дает ей наибольшее преимущество перед другими нейронными сетями. Использование ее в реальном времени позволило бы ускорить и автоматизировало поиск и исправление поврежденных или разрушенных участков дороги, что повысило безопасность и комфорт дорожного движения.
