استفاده از هوش مصنوعی برای شناسایی چاله آسفالت ها

موسسه مهندسی عمران و فناوری ساخت‌وساز کره‌جنوبی (KICT) از ساخت سیستم شناسایی چاله‌آسفالت مبتنی بر هوش مصنوعی خبر داده است. این سیستم به نحوی طراحی شده است که روی شیشه جلوی اتومبیل نصب و چاله آسفالت های سطح جاده را در لحظه شناسایی می‌کند. چاله آسفالت ها به اتومبیل آسیب رسانده و حتی ممکن است منجر به تصادفات مهلک شوند.

چاله آسفالت ها به طور خاص هنگام بارندگی مشکل‌ساز هستند. سئول در آگوست 2020 بیشترین میزان بارندگی را داشت. گزارش‌ها از وجود بیش از 7000 چاله‌آسفالت در زمان این بارندگی‌های شدید خبر دادند. از سال 2016 تا 2018، تعداد چاله آسفالت های سراسر کشور 657،993 چاله گزارش شده است. خسارت ناشی از چاله آسفالت ها در سراسر کشور در مجموع 4/6 میلیارد وون، و هزینه تعمیرات جاده‌ای 7/1 تریلیون وون برآورد شده است. اگر خودرویی با سرعت زیاد و بدون توجه به چاله از روی آن عبور کند، ممکن است از مسیر منحرف شده و جان راننده را به خطر  بیاندازد.

مدیریت جاده‌ها با شناسایی سریع بخش‌های آسیب‌دیده شروع می‌شود؛ این اقدام شامل استفاده از فناوری‌های شناسایی مبتنی بر ارتعاشات، اسکن لیزری و تصویر است. به طور خاص، با پیشرفت‌های اخیر فناوری‌های تشخیصی که از شبکه‌های عصبی عمیق استفاده می‌کنند، روش‌های مدیریت جاده‌ای مبتنی بر تشخیص تصویر مورد توجه مسئولان قرار گرفته است. علاوه بر این، از تکنیک مبتنی بر تصویر می‌توان در دستگاه‌های شخصی مانند دوربین خودرو یا گوشی هوشمند نیز استفاده کرد. با این قابلیت، استفاده از این فناوری برای دولت‌های محلی، که اغلب به بازرسی‌های بصری و انسانی متکی هستند، آسان می‌شود.

شناسایی چاله آسفالت ها حین رانندگی

یک تیم تحقیقاتی در KICT به سرپرستی دکتر سئونگی ریو سیستمی طراحی کرده است که لحظه به لحظه، چاله آسفالت ها را با عکاسی از سطح جاده‌ها حین رانندگی شناسایی می‌کند. تصویر‌برداری این سیستم با یک حسگر دیداری‌ انجام می‌شود. این حسگر بر روی شیشه جلوی خودرو نصب می‌شود. این مدل استنتاجی هوش مصنوعی با استفاده از یک شبکه رمزنگار-رمزگشا که معماری آن به طور کامل کانولوشون (FCN) است، آسیب‌های سطح جاده را تقسیم‌بندی می‌کند.

یکی از مشکلات در تشخیص‌ با تصاویر این است که حتی تصاویر مختلفی که از یک مکان گرفته شده‌اند، ممکن است به لحاظ اطلاعات واحد پیکسل متفاوت باشند. تعیین خسارت وارد آمده به سطح جاده با مدل استنتاجی هوش مصنوعی ممکن است چالش‌برانگیز باشد. زیرا روشنایی سطح جاده در ساعات مختلف روز یکسان نیست. برای غلبه بر این مشکل، یک مدل CNN جدید برای پیش‌پردازش تصاویر طراحی شده است. محققان سپس، این مدل را با مدل تقسیم‌بندی معنایی ترکیب کردند تا عملکرد تشخیص از روی تصاویر جاده‌ای با روشنایی محتلف را افزایش دهند.

این فناوری شامل یک نرم‌افزار گوشی همراه برای جمع آوری داده‌ها و یک سامانه سرور فضای ابری مبتنی بر نقشه است. سرور فضای ابری وظیفه شناسایی چاله آسفالت ها را در تصاویر دریافتی از نرم‌افزار گوشی ‌همراه بر عهده دارد. این سیستم در حال حاضر در مرحله آزمایش است و در چند استان کره جنوبی، از جمله کلان شهر گویانگ، گویانگ، و  گیم‌هه، به صورت آزمایشی استفاد می‌شود. تیم تحقیقاتی دکتر ریو قصد دارد این فناوری را بیشتر گسترش داده و به سایر دولت‌های محلی معرفی کند.

دکتر ریو معتقد است: «با ورود به عصر خودرو‌های خودران، حفظ و نگهداری جاد‌ه‌ها کاملاً ضروری است. با فناوری مبتنی بر هوش مصنوعی، مدیریت سطح جاده بسیار ساده‌تر خواهد شد».

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید