دانشمندان Geospatial با ضربه زدن به تصاویر Google Street View ، برنامه جدیدی را برای نظارت بر علائم خیابانی که نیاز به تعویض یا تعمیر دارند ، تهیه کرده اند.
این سیستم کاملاً خودکار با استفاده از تشخیص شیء با هوش مصنوعی آموزش داده می شود تا علائم خیابانی را در تصاویر آزادانه در دسترس قرار دهد.
در حال حاضر مقامات شهرداری مقادیر زیادی از وقت و هزینه را صرف نظارت و ثبت موقعیت جغرافیایی زیرساخت های راهنمایی و رانندگی می کنند ، کاری که کارگران را نیز در معرض خطرات ترافیکی غیرضروری قرار می دهد.
نتایج اخیراً در ژورنال رایانه ها ، محیط و سیستم های شهری منتشر شده نشان می دهد که سیستم علائم را با دقت نزدیک به 96٪ تشخیص می دهد ، نوع آنها را با دقت نزدیک به 98٪ شناسایی می کند و می تواند موقعیت جغرافیایی دقیق آنها را از تصاویر 2 بعدی ثبت کند.
اندرو کمپبل ، نویسنده اصلی مطالعه و دانشجوی Geospatial Science Geospatial University افتخارات دانشگاه RMIT ، گفت که مدل اثبات مفهوم برای دیدن علائم "توقف" و "راه دادن" (عملکرد) آموزش داده شده است ، اما می تواند برای شناسایی بسیاری از ورودی های دیگر آموزش ببیند. به راحتی قابل استفاده برای دولت های محلی و مقامات راهنمایی و رانندگی.
کمبل گفت: "(مقامات شهرداری) برای نظارت بر این زیرساخت ها شرایط لازم را دارند ، اما در حال حاضر هیچ روش ارزان یا کارآمد برای انجام این کار وجود ندارد."
"با استفاده از ابزارهای منبع آزاد و منبع باز ، اکنون ما یک سیستم کاملاً خودکار را برای انجام آن کار و انجام دقیق تر آن ایجاد کرده ایم."
این تیم در طول بررسی ها دریافتند که داده های مکان اجباری GPS در پایگاه های داده های نشانه های خیابانی موجود اغلب نادرست است ، گاهی اوقات تا 10 متر خاموش.
"ردیابی این علائم به صورت دستی توسط افرادی که ممکن است زمین شناس نباشند خطا را به پایگاه داده وارد می کند. سیستم ما ، پس از راه اندازی ، می تواند توسط هر تحلیلگر مکانی استفاده شود. شما فقط به سیستم می گویید منطقه را که می خواهید کنترل کنید و به نظر می رسد. کمپل گفت. "
کمپبل مفهوم اولیه این پروژه را به مربی صنعت خود در شورای آلپ شایر و دوره علمی علوم RMIT Geospatial ، Barrett Higman اختصاص داد.
دکتر Chayn Sun ، دانشمند و مدیر پروژه جغرافیایی RMIT ، گفت كه این واقعیت كه بعضی از شوراها قبلاً برای جمع آوری فیلم های خیابانی ، دوربین هایی را بر روی كامیون های زباله وصل كرده بودند ، نشان می داد كه داده های بصری با ارزش چگونه در حال تبدیل شدن هستند.
سان گفت: "این تصاویر برای دولت های محلی در نظارت و مدیریت دارایی ها بسیار مهم است و با رونق بسیار زیاد برنامه های جغرافیایی ، این اطلاعات تنها با ارزش تر می شوند."
"ما یکی از چندین برنامه اولیه برای رفع نیازهای خاص صنعت است ، اما در سالهای آینده تعداد بسیار بیشتری ظاهر می شود."
سان گفت فیلم هایی از منابع دیگر ، مانند دوربین های کامیون زباله یا هر تصویر جغرافیایی دیگری که از شبکه جاده جمع آوری شده توسط مسئولان شهرداری جمع آوری شده است ، نیز می توانند در سیستم تغذیه شوند.
وی گفت: "جایی که فیلم ها از قبل جمع آوری شده اند ، تحقیقات ما می تواند یک ابزار اقتصادی برای شوراها برای هدایت بینش و داده های مربوط به این منبع موجود در شوراها فراهم کند."
نویسنده: پمپ وکیوم خلاء در تولید کود
نظرات شما عزیزان:
