تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > A Review of Road Cracks Detect...>الوصف

A Review of Road Cracks Detection and Classification Based Image Processing and Intelligent Techniques

العنوان بلغة أخرى: مراجعة للكشف عن تشققات الطرق وتصنيفها باستخدام معالجة الصور والتقنيات الذكية
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: الجبوري، حاضر ابراهيم عبد حسن (مؤلف)
المؤلف الرئيسي (الإنجليزية): Abed, H. I.
مؤلفين آخرين: خضر، إسراء محمد (م. مشارك)
المجلد/العدد: مج33, ع3
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الشهر: سبتمبر
الصفحات: 45 - 57
ISSN: 1812-125X
رقم MD: 1510584
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
التعلم الآلي | تشققات الطرق | معالجة الصور | التقنيات الذكية
كلمات المؤلف المفتاحية:
Road Defect | Road Crack | Moderate Cracks | Potholes Cracks | Machine Learning
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يتم إنفاق مبالغ مالية سنويا لتحقيق الكشف عن العيوب في البنية التحتية التي تمثلها الطرق والجسور والمباني. تتأثر البنية التحتية الحضرية بالظروف الجوية والكوارث الطبيعية مثل الفيضانات والزلازل، وكذلك بالأخطاء أثناء عمليات تمهيد الشوارع وجودة مواد التمهيد. قد يظهر أنواع مختلفة من الأضرار على شكل شقوق صغيرة أو واسعة، والتي تنتشر تدريجيا وتؤدي إلى تدمير الهيكل. لذلك، يتطلب بناء أنظمة آلية لهذه العمليات التفتيشية لضمان فعاليتها واعتماديتها. يتم تطبيق تقنيات معالجة الصور الهجينة وتعلم الآلة لضمان نتائج تحسين أفضل وقوة في الكشف عن الشقوق. يهدف هذا البحث إلى تقديم مراجعة لتقنيات الكشف عن شقوق الصور في الطرق التي تطبق معالجة الصور مع أو بدون تعلم الآلة. تم تجميع ودراسة 32 مقالة بحثية للمراجعة التي تم إصدارها في المنشورات والمؤتمرات في السنوات الماضية. يجري هذا البحث تحليلا شاملا ومقارنة لطرق مختلفة لتحديد أكثر الطرق الواعدة للكشف الآلي عن الشقوق. بعد تحليل ومراجعة الأبحاث السابقة باستخدام طرق معالجة الصور الرقمية، يتضح من النتائج التي تم الحصول عليها أن أفضلها هو طريقة فلتر فراني، والتي تصل دقتها إلى حوالي 98.7%. بينما، عند مناقشة وتقديم تقنيات تعلم الآلة والشبكات العصبية التلافيفية، تستنتج النتائج أن أفضلها هو تقنية آلة الدعم المتجه (SVM)، التي تصل دقتها إلى حوالي 98.29%.

Yearly, an amount of funds is spent to achieve defect detection in the principle of infrastructure represented by roads, bridges, and buildings. Urban infrastructure is affected by weather conditions, the natural disasters such as floods and earthquakes. As well as, mistakes during street paving operations and quality of paving materials. Various types of damage may appear in the form of small or vast cracks, which gradually spread, destroying the structure. Therefore, it requires building automatic systems for these inspection operations to guarantee its effectiveness and dependability. Hybrid image processing and machine learning approaches are being applied to guarantee better enhancement outcomes and strength in crack detection. This paper aims to offer a review of road image crack detection techniques that apply image processing with/without machine learning. A total of 32 research articles have been composed and studied for the review which has been issued in publications and conferences in the past years. This research manners a thorough analysis and comparison of various methods to identify the most promising automated methods for crack detection. After analyzing and reviewing previous research using digital image processing methods, it is clear from the results obtained that the best of them is the Franji filter method, whose accuracy is close to 98.7%. While discussing and presenting machine learning techniques and convolutional networks, the deduced results that the best of them is the Support Vector Machine (SVM) technique, whose precision is approximately 98.29%
ISSN: 1812-125X

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.