پایش هجوم ماسه های بادی بر زیر ساخت های ریلی با استفاده از شبکه عصبی همگشتی و تصاویر پهپادی

خطوط ریلی در مناطق بیابانی با مشکلی جدی هجوم ماسه های بادی و انباشت آن ها بر روی ریل ها روبرو است. در اثر این پدیده، احتمال بسته شدن خطوط آهن، توقف حرکت قطارها و وقوع حادثه وجود دارد. در حال حاضر تلاش می شود تا با بازدیدهای میدانی در مناطق در معرض هجوم ماسه های بادی، از بروز این مشکل جلوگیری شود اما روش های سنتی با وجود ساده بودن دارای محدودیت هایی است که مهم ترین آنها هزینه مالی و زمانی بالای آن ها است. از این رو نیاز به بازنگری در روش های سنتی پایش در این مناطق به شدت احساس می شود. در این پژوهش با بکارگیری فناوری تصویربرداری پهپادی و پردازش هوشمند تصویر مبتنی بر شبکه های عصبی همگشتی و یادگیری عمیق یک سامانه جامع پایش طراحی شده است. استفاده از پهپادها و عمودپروازها در مدیریت و تعمیر و نگهداری و تعمیرات فراسازه های ترابری می تواند گام مهمی در بالا بردن دقت و سرعت و البته کاهش هزینه ها باشد. به این ترتیب پایش سامانه ریلی به جای آنکه تنها محدود به بازه های زمانی بازدید میدانی باشد، به صورت پیوسته زیر نظر است. در این تحقیق از شبکه عصبی یولو با هدف تشخیص هجوم ماسه های بادی بر شبکه ریلی در تصاویر پهپادی استفاده شده است. در نهایت با آموزش شبکه، دقت شبکه در تشخیص هجوم ماسه بر سطح ریل 91 درصد بدست آمده است.