وسایل پرندهٔ بدون سرنشین (UAV) برای سامانه‌های حمل‌ونقل هوشمند

یکی از مهم‌ترین منابع داده در سامانه‌های حمل‌ونقل هوشمند، تصاویر هستند. دوربین‌های ثابت یا قابل‌حمل می‌توانند این تصاویر را ثبت کنند، اما نوع دوم مؤثرتر است. در [1]، از یک پهپاد برای سامانهٔ پایش آزادراه استفاده شده است. Cao و همکاران [2]، سامانه‌ای برای تشخیص و ردیابی خودرو با استفاده از وسایل پرندهٔ بدون سرنشین (UAV) پیشنهاد کردند. همچنین در [3]، سامانه‌ای مشابه برای پایش وضعیت راه توسعه داده شده است. ازآنجاکه تصاویر UAV در شرایط و از زاویه‌های مختلف ثبت می‌شوند، باید پردازش‌های قدرتمند تصویر با الگوریتم‌های یادگیری ماشین ترکیب شوند تا نتایج دقیقی استخراج شود. در این پژوهش، تصاویر تصادف را بررسی کرده و یک روش یادگیری عمیق برای استخراج ویژگی، همراه با آمیزه‌ای از خبرگان برای طبقه‌بندی، توسعه داده‌ایم. برای کار نخست، از خروجی‌های آخرین لایهٔ تجمیع بیشینهٔ یک شبکهٔ عصبی پیچشی (CNN) برای استخراج خودکار ویژگی‌های پنهان استفاده می‌شود. برای کار دوم، آمیزه‌ای از گونه‌های پیشرفتهٔ ماشین یادگیری افراطی (ELM) توسعه داده می‌شود. این طبقه‌بند تجمیعی با استفاده از یک شبکهٔ دروازه‌بان، مزایای ELMهای مختلف را ترکیب می‌کند؛ دقت آن بسیار بالاست و درعین‌حال زمان پردازش آن به بلادرنگ نزدیک است. برای نشان دادن کارایی، ترکیب‌های مختلف روش‌های سنتی استخراج و انتخاب ویژگی و طبقه‌بندهای گوناگون بر دو نوع دادهٔ معیار، شامل مجموعه‌دادهٔ تصاویر تصادف و برخی مجموعه‌داده‌های عمومی، بررسی می‌شوند. نشان داده می‌شود که سامانهٔ پیشنهادی، تصادف‌ها را با دقت (precision)، بازیابی و معیار F برابر با 99.31% شناسایی می‌کند. افزون بر این، دقت طبقه‌بندی شدت تصادف و طبقه‌بندی خودروهای درگیر به‌ترتیب 90.27% و 92.73% است. این سامانه برای پردازش برخط تصاویر تصادفی مناسب است که با وسایل پرندهٔ بدون سرنشین (UAV) یا دیگر سامانه‌های نظارتی ثبت خواهند شد. برای مشاهدهٔ جزئیات، لطفاً به این مرجع مراجعه کنید:

• شبکهٔ عصبی پیچشی همراه با آمیزه‌ای از ماشین‌های یادگیری افراطی برای استخراج ویژگی و طبقه‌بندی تصاویر تصادف، Ali Pashaei، Mehdi Ghatee، Hedieh Sajedi، Journal of Real-time Image Processing، 17، صفحات 1051–1066 (2020).

برخی منابع مرتبط برای پژوهش بیشتر:

[1] B. Coifman، M. McCord، R. Mishalani، M. Iswalt و Y. and Ji، «پایش ترافیک جاده‌ای از یک وسیلهٔ پرندهٔ بدون سرنشین»، IEE Proceedings-Intelligent Transport Systems، 2006.

[2] X. Cao، J. Lan، P. Yan و X. Li، «تشخیص و ردیابی خودرو در ویدئوهای هوایی با تحلیل لایه‌های چندحرکتی»، Machine Vision and Applications، جلد 23، شمارهٔ 5، صفحات 921–935، 2012.

[3]
N. Kim و M. Chervonenkis، «کنترل وضعیت وسایل پرندهٔ بدون سرنشین برای پایش ترافیک جاده‌ای»، Modern Applied Science، جلد 9، شمارهٔ 5، صفحهٔ 1، 2015.