Road damages(cracks) detection in Iraq by using ML

Bu araştırma, kusur türlerini belirlemek, önerilen bakımın türünü bilmek, yol sorunlarının raporlanması sorununu çözmek için yol araştırma sürecini içeren yol bakım operasyonlarını geliştirmeyi ve aynı zamanda mümkün olan en düşük maliyetlerle yol bakım sürecini kolaylaştırmayı amaçlamaktadır. Bu hedeflere ulaşmak için, yol bakımını otomatikleştiren ve kütüphaneleri (Dedection Object ile tensorflow) kullanarak yoldaki kusur türlerini belirlemek için yapay zekayı kullanan bir proje tasarlanmaktadır (sklearn, Python için en ünlü kütüphanelerden biri olarak kabul edilir). Veri bilimi ve makine öğrenimi ile ilgili alanlarda uzmanlaşmış programlama dili.Bu kütüphane, makine öğrenimi alanında kullanılan bir dizi algoritma, yöntem ve teknikleri içerir ve bu Yöntemler arasında sınıflandırma kavramı da vardır ve bu kütüphane, Scipy, Numpy, Matplotlib ve diğer birçok kütüphane gibi çeşitli Python kütüphaneleri temel alınarak oluşturulmuştur.). Önerilen çalışma, arızanın tanımlanması, tipinin bilinmesi, arıza alanının ölçülmesi, karayolunun durumu ve önerilen bakım türünün belirlenmesi için bazı mühendislik işlemleri ve hesaplamaların yapılması gibi bir takım sonuçlara ulaşacaktır. son çıktı. Bu çalışmada, farklı çekim, hava durumu ve aydınlatma senaryoları altında yoldaki çatlakları tespit etmek için derin öğrenmeye dayalı bir nesne algılama yöntemi kullanılacaktır. Bu, herhangi bir çatlağın çok kısa sürede ve düşük maliyetle tespit edilmesini mümkün kılar. Görüntüler parlaklık yoğunluğunun yüksek, orta veya çok düşük olması gibi farklı hava koşullarında çekilecektir. Ayrıca sisli, yağışlı ve karanlık koşullarda da çekim yapılacak. Resimlerin davranışını ve farklı durumlarda onlardan kusur çıkarma olasılığını incelemek için farklı mesafelerde (bir metre, yarım metre, bir buçuk metre gibi) resimler de çekilir.