1- دانشگاه شهید چمران اهواز
چکیده: (13 مشاهده)
زمینه و هدف: بلایای طبیعی و حملات نظامی میتوانند باعث تخریب گسترده ساختمانها شوند. ارزیابی سریع و دقیق آسیب ساختمانها برای کاهش تلفات و تسریع عملیات امداد و نجات حیاتی است. این پژوهش با هدف ارائه یک روش نوین برای ارزیابی آسیب ساختمانها با استفاده از تکنیکهای یادگیری عمیق و پردازش تصویر انجام شده است.
روششناسی: در این تحقیق، روشی نوین مبتنی بر معماری رمزگذار–رمزگشا ارائه شده که مدل DeepLabV3+ را با مکانیزم خودتوجهی ترکیب میکند. برای آموزش و ارزیابی این مدل، از مجموعه داده xBD که شامل تصاویر قبل و بعد از حوادث طبیعی مختلف است، استفاده شده است.
یافتهها: مدل پیشنهادی توانست ساختمانها را در چهار سطح «سالم»، «آسیبکم»، «آسیبزیاد» و «تخریبشده» طبقهبندی کند. نتایج نشان داد که این مدل با کسب معیار F1 کلی معادل 0.94، عملکردی برتر نسبت به روشهای پیشین دارد.
نتیجهگیری و نوآوری: نوآوری اصلی این پژوهش در استفاده همزمان از قابلیتهای DeepLabV3+، مکانیزم توجه و تکنیکهای افزایش داده برای ارتقاء چشمگیر دقت تشخیص است. این روش علاوه بر مدیریت بحرانهای طبیعی، میتواند در حوزه پدافند غیرعامل و سناریوهای نظامی-دفاعی نیز برای ارزیابی سریع خسارات ناشی از حملات مورد استفاده قرار گیرد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1404/6/18 | پذیرش: 1404/10/17