شماره ركورد كنفرانس :
4605
عنوان مقاله :
پيش بيني وقوع زمين خوردگي با بكارگيري ويژگي هاي آشوب و يادگيري عميق از روي تصاوير حرارتي ناحيه زانو
پديدآورندگان :
رضائي خسرو ايرانKh.rezaee@hsu.ac.ir دانشكده مهندسي برق و كامپيوتر، دانشگاه حكيم سبزواري، سبزوار، ايران؛ , طباطبايي سولماز Solmaz.tabatabaeee@gmail.com دانشكده مهندسي برق، دانشگاه آزاد، واحد تحقيقات، تهران، ايران؛ , حدادنيا جواد Haddadnia@hsu.ac.ir دانشكده مهندسي برق و كامپيوتر، دانشگاه حكيم سبزواري، سبزوار، ايران؛
كليدواژه :
تصوير حرارتي , زمين خوردگي , توصيفگر آشوب , شبكه عصبي كانولوشني و الگوريتم بهينه سازي چرخه آب
عنوان كنفرانس :
بيست و ششمين كنفرانس مهندسي برق ايران
چكيده فارسي :
در مقاله حال حاضر، پيش بيني وقوع زمين خوردگي با استفاده از تحليل خودكار تصاوير حرارتي ناحيه زانو صورت پذيرفته است. بازشناسي زودهنگام التهاب مفاصل مي تواند سبب كاهش زمين خوردگيهاي افرادي چون سالمندان شود كه به طور متوسط 25% تا 47% با خطر افتادن روبه رو هستند. به طور شاخص، تشخيص اختلال حركتي توسط متخصصين طب سالمندي فرايندي پيچيده مي نمايد و تبحر بيومكانيك حركت را مي طلبد. با وجود تصاوير حرارتي نواحي حركتي زانو، امكان استخراج ويژگي ها توسط توصيفگر آشوب فراهم آمده كه بردار صفات ورودي در پيش تعليم عميق را تشكيل مي دهد. عملكرد طبقه بند با امكان يادگيري ژرف توسط الگوريتم بهينه سازي چرخه آب بهبود يافته و مدلي شكل گرفته كه بر مبناي آن، طبقه بندي در حالت دودويي و چند كلاسي، نتايج بهينه اي را به دنبال داشته است. مجموعه تصاوير حرارتي، نمونه هاي مناسبي از وضعيتهاي متفاوت مفاصل است؛ مضاف بر اين موارد، حل مسئله عدم قطعيت پاسخ ها، تكرارپذيري و همگرايي به سمت كمينه خطا از جمله نقاط قوت مدل پيشنهادي است. در قياس با روشهاي متعارف استخراج ويژگي و طبقه بندي، خروجي هاي قابل قبول تري حاصل آمده و مدل براي حالت دو كلاسي و چهار كلاسي و به روش اعتبارسنجي متقاطع K-fold به طور ميانگين خطاهاي كمتر از 2% و 7% را رقم زده است.
