Виявлення дефектів на зображеннях автомобільних доріг з використанням нейронних мереж

Abstract

Метою магістерської кваліфікаційної роботи є дослідження засобів автоматичного виявлення дефектів дорожнього покриття з використанням нейронних мереж. Основними завданнями дослідження були аналіз сучасних методів детекції дефектів, проєктування архітектури програмної системи, впровадження алгоритмів на основі нейронної мережі YOLOv8, розробка інтерфейсу користувача та експериментальна оцінка точності й швидкодії запропонованих підходів. Робота складається з чотирьох розділів. У першому розділі проведено аналіз існуючих рішень автоматичного виявлення дефектів дорожнього покриття, визначено проблематику, мету і завдання роботи. Другий розділ присвячено теоретичному обґрунтуванню вибору алгоритмів та технологій, опису особливостей нейронної мережі YOLOv8, а також розгляду методів попередньої обробки зображень. У третьому розділі наведено опис розробленої програмної системи. Четвертий розділ містить результати експериментальних досліджень швидкодії та точності системи, аналіз отриманих результатів та рекомендації щодо використання запропонованих підходів. Результатом роботи стала програмна система для виявлення дефектів дорожнього покриття. Практичне значення роботи полягає у створенні інструменту, придатного для виявлення дефектів, а наукова новизна — у проведенні порівняльного аналізу класичного і комбінованого підходів до виявлення дефектів. Загальний обсяг роботи становить 77 сторінок, обсяг основної частини - 54 сторінок, робота містить 4 додатки.The aim of the master's thesis is to investigate means of automatic road surface defect detection using neural networks. The main tasks of the study included the analysis of modern defect detection methods, designing the software system architecture, implementing algorithms based on the YOLOv8 neural network, developing a user interface, and conducting experimental evaluations of the accuracy and performance of the proposed approaches. The thesis consists of four chapters. The first chapter analyzes existing solutions and technologies for automatic road defect detection, identifies the research problem, objectives, and tasks. The second chapter provides a theoretical justification for the choice of algorithms and technologies, describes the features of the YOLOv8 neural network, and discusses image and video preprocessing methods. The third chapter presents a detailed description of the developed software system,. The fourth chapter contains the results of experimental studies on system accuracy and performance, an analysis of these results, and recommendations for applying the proposed approaches in real-world scenarios. The outcome of this research is a software system for detecting road surface defects. The practical significance of the work lies in creating a tool suitable for identifying road defects, while the scientific novelty involves performing a comparative analysis of classical and combined defect detection approaches, enabling the selection of an optimal solution for real-time tasks. The total volume of the thesis is 77 pages, with 54 pages of main content and 4 appendices.