تفکیک خودکار نواحی قیرزده در روسازی آسفالتی با استفاده آنالیز چند سطحی تصویر

روسازی راه‌ها، اصلی‌ترین بخش شبکه راه‌های کشور را تشکیل داده است. از این رو بررسی وضعیت روسازی به ویژه بررسی خرابی‌های روسازی نقش مهمی در فرایند مدیریت شبکه روسازی هر کشور دارد. خرابی قیرزدگی از جمله خرابی‌های مهم روسازی آسفالتی به شمار می‌رود، زیرا‌ تاثیر مستقیمی بر مشخصه مقاومت لغزشی روسازی و مانورپذیری وسایل نقلیه و ایمنی راه‌ها دارد. بررسی تحقیقات گذشته نشان می‌دهد که ارزیابی خودکار این خرابی نسبت به سایر خرابی‌ها کمتر مورد توجه بوده است و تمرکز اصلی پژوهش‌های انجام شده در این زمینه بر تشخیص خودکار این خرابی بوده است. تفکیک خودکار نواحی دارای خرابی از سایر نواحی روسازی از جمله مهم‌ترین بخش‌ها در ارزیابی خرابی‌های روسازی است که امکان بررسی‌ دقیق‌تر خرابی‌ها را فراهم می‌کند. از این رو، در این پژوهش تلاش شده است تا با استفاده از پردازش تصویر مبتنی بر آنالیز چند سطحی، روشی کارامد به منظور تفکیک خودکار نواحی قیرزده از نواحی سالم ارائه شود. سامانه پیشنهادی با متوسط 82/44 ،88/66 و 80/33 درصدی به ترتیب بر اساس معیار صحت، ضریب تشابه دایس و نسبت اشتراک به اجتماع، عملکرد بهتری نسبت به مطالعات گذشته داشته است. این تفکیک خودکار نواحی قیرزدگی با دقت قابل قبول، امکان بررسی خودکار خرابی قیرزدگی را فراهم کرده است و می‌تواند عملکرد سامانه‌های مدیریت روسازی را بهبود بخشد.

automatic segmentation of bleeding regions in asphalt pavement using multiresolution analysis of the image

pavement is the main part of the country's road network. therefore, the evaluation of pavement conditions, especially the inspection of pavement distresses has an important role in the managing and repairing process of the pavement network. bleeding is one of the important distresses in asphalt pavement because it has a direct influence on pavement skid resistance, vehicle maneuverability, and road safety. according to a survey of prior research, the automatic evaluation of bleeding receives less attention than other pavement distresses, and the main focus of study in this field has been on the automatic detection of bleeding. automatic segmentation of distress regions is a critical component of pavement distress evaluation, allowing for a more precise assessment of distress. as a result, the purpose of this study is to develop an efficient method for the automatic segmentation of bleeding regions from healthy regions using image processing tools based on multiresolution image analysis. the proposed method has better performance than prior research, with averages of 82.44, 88.66, and 80.33 percent based on recall, dice similarity coefficient, and intersection to union ratio as prevalent segmentation performance metrics. this model allows for the automated evaluation of bleeding and can enhance the performance of pavement management systems.