تشخیص خسارت سیل در مناطق مسکونی شهری با استفاده از آنالیز تصویر پهپاد شی گرا

تشخیص خسارت سیل در مناطق مسکونی شهری با استفاده از آنالیز تصویر پهپاد شی گرا

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 29

تعداد کلمات : 9300

مجله : remote sensing

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
29 جولای 2022
دسته بندی
تعداد بازدیدها
1269 بازدید
41,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:تشخیص خسارت سیل در مناطق مسکونی شهری با استفاده از آنالیز تصویر پهپاد شی گرا همراه با دسته بند های مبتنی بر درخت

 چکیده

  مداخلات پاکسازی به موقع برای بازیابی موثر مسکن های آسیب دیده سیل ضروری است، با این حال، بازرسی های خانه به خانه زمان بر برای اهداف بیمه باید قبل از انجام تعمیرات اساسی برای ارزیابی مناسب خسارات ناشی از سیل انجام شود. با افزایش احتمال وقوع سیل، نیاز شدید به روش‌های ارزیابی سریع خسارت سیل وجود دارد. تصاویر با وضوح بالا که توسط پهپاد بدون سرنشین (پهپادها) گرفته شده است، فرصتی را برای تسریع زمان مورد نیاز برای بازرسی، از طریق تفسیر بصری یا طبقه بندی خودکار تصاویر، ارائه می دهد. در این مطالعه، تقسیم‌بندی تصویر شی‌گرا همراه با طبقه‌بندی‌کننده‌های مبتنی بر درخت بر روی یک تصویر ارتوی RGB با وضوح ۱۰ سانتی‌متری، که یک هفته پس از سیل ناشی از طوفان دزموند بر فراز شهر کوکرموث در انگلیس گرفته شد، اجرا شد تا به‌طور خودکار زباله‌های مرتبط با آسیب‌های عمدتاً شناسایی شود. به مسکن مسکونی الگوریتم جنگل‌های تصادفی به سطح خوبی از دقت کلی ۷۴ درصد دست یافت، با این که زباله‌ها به درستی با نرخ ۵۸ درصد طبقه‌بندی شدند و برای زباله‌های کوچک (۶۷ درصد) و پرش‌ها (۶۴ درصد) عملکرد خوبی داشتند. این روش در به تصویر کشیدن زباله های با رنگ روشن موفق بود، با این حال، مستعد طبقه بندی نادرست با پهپاد با رنگ روشن بود. در نتیجه، در مرحله فعلی، این روش می تواند برای تسهیل تفسیر بصری تصاویر پهپاد مورد استفاده قرار گیرد. روش هایی برای بهبود دقت شناسایی و مورد بحث قرار گرفته است.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Detection of Flood Damage in Urban Residential Areas Using Object-Oriented UAV Image Analysis Coupled with Tree-Based Classifiers

Abstract

 Timely clearing-up interventions are essential for effective recovery of flood-damaged housing, however, time-consuming door-to-door inspections for insurance purposes need to take place before major repairs can be done to adequately assess the losses caused by flooding. With the increased probability of flooding, there is a heightened need for rapid flood damage assessment methods. High resolution imagery captured by unmanned aerial vehicles (UAVs) offers an opportunity for accelerating the time needed for inspections, either through visual interpretation or automated image classification. In this study, object-oriented image segmentation coupled with tree-based classifiers was implemented on a 10 cm resolution RGB orthoimage, captured over the English town of Cockermouth a week after a flood triggered by storm Desmond, to automatically detect debris associated with damages predominantly to residential housing. Random forests algorithm achieved a good level of overall accuracy of 74%, with debris being correctly classified at the rate of 58%, and performing well for small debris (67%) and skips (64%). The method was successful at depicting brightly-colored debris, however, was prone to misclassifications with brightly-colored vehicles. Consequently, in the current stage, the methodology could be used to facilitate visual interpretation of UAV images. Methods to improve accuracy have been identified and discussed.