Title:

Ճանապարհային ծածկույթի մակերևույթի որակի վերլուծության և դասակարգման մեթոդ ; Метод анализа и классификации поверхности дорожногопокрытия по качеству

Author:

Ասատրյան Դավիթ ; Асатрян Давид

Type:

Հոդված ; Журнал

Co-author(s) :

Հակոբյան Գուրգեն ; Акопян Гурген

Abstract:

Ճանապարհային ծածկույթների (ՃԾ) որակի հսկման համար նախատեսված ավտոմատացված համակարգերում հիմնական խնդիրը կայանում է մակերևույթի վրա առկա ճեղքերի և այլ արատների հայտնաբերումը, ինչպես նաև դրանց համապատասխան պարամետրերի վերլուծությունը: ՃԾ համապատասխան հատվածներում, որակի գնահատման նպատակով իրականացվում են տեսանկարահանումներ, այնուհետև իրականացվում է պատկերների վերլուծություն համապատասխան մաթեմատիկական մեթոդների կիրառմամբ: Հոդվածում առաջարկվում է տեսանկարահանման կադրերի ՃԾ ճեղքեր պարունակող և չպարունակող պատկերների դասակարգման մեթոդ: Առաջարկվող դասակարգման մեթոդի փորձարկման համար իրականացվում է յուրաքանչյուր կադրի անհատական մշակում նախկինում առաջարկված երկակիացման և հատվածավորման մեթոդների հիման վրա, որի արդյունքում ձևավորվում են երկու դասի նմուշներ: Օգտագործվում է էտալոնների հետ համեմատման մեթոդը նմանության չափանիշի կիրառմամբ, որը հիմնված է պատկերի կառուցվածքային հատկությունների վրա: Փորձարարական տվյալների վրա ցույց է տրված, որ ՃԾ դասակարգման առաջարկվող մեթոդը տալիս է ընդունելի արդյունքներ (դասակարգման սխալը կազմում է մոտ 26%):
; В автоматизированных системах контроля качества дорожных покрытий (ДП) основной задачей является выявление трещин и других дефектов поверхности, а также анализ их соответствующих параметров. Для оценки качества производятся видеосъемки контролируемых участков ДП с последующим анализом изображений соответствующими математическими методами. В настоящей работе предлагается процедура классификации кадров изображений видеосъемки, содержащих или не содержащих трещины ДП. Выполняется индивидуальная обработка каждого кадра в соответствии с предложенной ранее методикой бинаризации и сегментации, в результате чего образуются два класса образцов для испытания предлагемой процедуры классификации. Используется метод сравнения с эталоном с применением меры близости, основанной на структурных свойствах изображений. На экспериментальном материале показано, что предложенная процедура классификации ДП дает приемлемые результаты (ошибка классификации в среднем составляет около 26%.).