خبرگزاری برنا- گروه علمی و فناوری؛ با نیاز روزافزونی در سرتاسر جهان برای نگهداری از تأسیسات بندری با استفاده از پهپادها احساس می شود. علاوه بر این، از آنجایی که انتظار میرود تعداد تأسیسات بندری قدیمی از 30 سال عمر مفید فراتر رود، اطمینان از نگهداری فعال تسهیلات بندری برای تضمین ایمنی و قابلیت خدمات پایدار آنها ضروریتر شده است. به ویژه، از نظر عملیاتی که بندر انجام میگیرد، اطمینان از لنگر انداختن ایمن کشتی ها برای اهداف بارگیری و تخلیه بسیار مهم است. گلگیرها در این مواقع نقش حیاتی دارند. گلگیرهایی در سمت دیوار اسکله تعبیه شده است تا از آسیب به بدنه و سازه کشتی که ناشی از نیروی پهلوگیری کشتی و نیروی اصطکاک است جلوگیری شود.
با این حال، از آنجایی که بیشتر گلگیرها مستقیماً از طریق زمین قابل دسترسی نیستند، بازرسان باید معمولاً با استفاده از قایق های شناور به آنها نزدیک شوند و وضعیت گلگیرها را به صورت بصری بررسی کنند. به دست آوردن اطلاعات دقیق خسارت ناشی از امواج دریا و سایر خطرات، بسیار زمان بر و دشوار است.
یک مؤسسه مهندسی عمران و فناوری در کره رویکرد بازرسی جدیدی را برای شناسایی خودکار گلگیرهای دارای مدل هوش مصنوعی و سنسور بینایی در هواپیمای بدون سرنشین مطرح کرده است. در این رویکرد از یک شبکه یادگیری عمیق با فرمت رمزگذار-رمزگشای متصل و متراکم استفاده شده است. این یکی از شبکه هایی است که به طور گسترده برای تشخیص اشیاء در سطح پیکسل استفاده می شود که از عملکرد غیرعادی بینایی انسان الهام گرفته شده است. الگوریتم هوش مصنوعی، که توسط گروه تحقیقات مهندسی سازه KICT، مطرح شده است، "هرم میدان گیرنده با اتصال متراکم (DRFP)" یا "نسخه کوچک DRFP (DRFPt)" نامیده میشود و هدف آن استخراج دقیق و سریع گلگیرها در سطح پیکسل از تصاویر پهپادهای متعدد بود.
به منظور جستجوی کارآمد یک منطقه گسترده در یک بار و کاهش پیچیدگی محاسباتی، پیچیدگی استاندارد به صورت متراکم به شکل هرمی به هم متصل شدند و مجموعه داده ای از گلگیرها با استفاده از پهپاد بر روی امکانات بندری مختلف جمع آوری شد. نحوه عملکرد این مدل پیشنهادی با سایر مدلهای قبلی مقایسه شد. نتایج نشان داد که مدل پیشنهادی به طور قابل اعتماد گلگیرها را در تصاویر گرفته شده از زوایای مختلف، با امتیاز IoU و F1 بیش از 88٪، علیرغم تغییرات در رنگ یا شکل ناشی از جزر و مد، شناسایی می کند. در اینجا نمره F1 یک معیار آماری برای سنجش دقت یک آزمون است. 100% به معنای همپوشانی و دقت کامل است.
عوامل خطر متعددی در هر گوشه و کناری از تأسیسات بندری وجود دارد که تهدیدات بالقوه ای برای بازرسان ایجاد می کند. بنابراین، بسیاری از مقامات بندری فعالانه تلاش میکنند تا فناوریهای جدید بازرسی از راه دور مانند پهپادها (وسایل نقلیه هوایی بدون سرنشین) و USE (وسایل نقلیه بدون سرنشین سطحی)، هم برای اطمینان از ایمنی بازرسان و هم برای تسهیل بازرسیهای دقیق و کمی آنها بر روی اعضای ساختاری، اتخاذ کنند. دسترسی به آنها از طریق زمین سخت است. این وسایل نقلیه بدون سرنشین معمولاً مجهز به حسگرهای بینایی هستند که از طریق آنها به طور مداوم فیلم یا عکس های تکی را هنگام ادامه مانور در اطراف سازه ضبط می کنند. با توجه به مقیاس عظیم ساختارهای بندری که کیلومترها امتداد دارند، اندازه داده اصلی ضبطهای ویدیویی با وضوح بالا معمولاً برای رایانههای معمولی بیش از حد بزرگ است که نمیتوانند آن را مدیریت کنند. بنابراین، برای اطمینان از مدیریت مؤثر دادههای عظیم ، عکسهای هوایی فقط از اشیاء هدفی که نیاز به نگهداری دارند گرفته میشود زیرا ذخیره و مدیریت اطلاعات کمی در مورد وضعیت اشیای موردنظر اهمیت دارد.
محقق اصلی دکتر مین جی یونگ گفت: ما در حال برنامه ریزی برای ارتقای این مدل به سیستم بازرسی سلامت گلگیر هستیم. این به ما امکان می دهد تا آسیب هایی مانند بخش های از دست رفته یا ترک ها را فقط از تصاویر پهپاد تشخیص دهیم. این فناوری ترکیبی پهپاد-AI می تواند به طور خودکار قابلیت سرویس گلگیر را در آینده ارزیابی می کند، ایمنی بازرسان را تضمین می کند و هزینه زمانی را در میدان کاهش می دهد.
انتهای پیام/