Виявлення пошкоджень дорожнього покриття за допомогою методів штучного інтелекту

Abstract

Магістерська кваліфікаційна робота виконана студенткою групи КНСШ21 Тимчишин Мартою Романівною. Тема “ Виявлення пошкоджень дорожнього покриття за допомогою методів штучного інтелекту”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є ефективність використання методів штучного інтелекту для виявлення пошкоджень дорожнього покриття. У роботі вивчаються сучасні підходи, які поєднують нейронні мережі та алгоритми комп’ютерного зору, що дозволяє не лише знаходити пошкодження, але й аналізувати їх характер. Зокрема, класифікація пошкоджень за ступенем небезпеки є важливим етапом, оскільки вона допомагає визначити, які проблеми слід вирішувати в першу чергу. Такий підхід може значно підвищити ефективність планування ремонтних робіт, забезпечуючи більш точне та швидке виявлення критичних ділянок. Це зменшує час і ресурси, необхідні для оцінки стану доріг, і робить процес прийняття рішень більш обґрунтованим. Предметом досліджень є методи та алгоритми штучного інтелекту для виявлення проблем на дорозі. Досягнення мети відбувається за рахунок створення або ж модифікування чи інтеграції найбільш ефективної моделі для детекції дорожнього покриття на наявність ушкоджень. У результаті виконання дипломної роботи створено систему, що здатна виявляти проблеми з автошляхами; розроблено програмну реалізацію цієї системи, що дозволяє досліджувати роботу різних методів машинного навчання, підбирати гіперпараметри для оптимальної роботи системи, а також порівнювати результати навчання. Загальний обсяг роботи: 78 сторінок, 35рисунки, 25посилання. The Master's qualification work was completed by Marta Romanivna Tymchyshyn, a student of group KNSH-21. The topic is “Detection of road surface damage using artificial intelligence methods”. The work is aimed at obtaining a master's degree in specialty 122 “Computer Science”. The object of the research is the effectiveness of using artificial intelligence methods to detect road surface damage. The work studies modern approaches that combine neural networks and computer vision algorithms, which allows not only to find damage, but also to analyze their nature. In particular, the classification of damage by degree of danger is an important stage, as it helps to determine which problems should be solved first. Such an approach can significantly increase the efficiency of planning repair work, ensuring more accurate and rapid detection of critical areas. This reduces the time and resources required to assess the condition of roads and makes the decisionmaking process more justified. The subject of the research is artificial intelligence methods and algorithms for detecting problems on the road. The goal is achieved by creating or modifying or integrating the most effective model for detecting road surface damage. As a result of the thesis, a system was created that is capable of detecting problems with highways; a software implementation of this system was developed that allows you to study the operation of various machine learning methods, select hyperparameters for optimal system operation, and compare learning results. Total volume of work: 78 pages, 35 figures, 25 references.