تشخيص وضعيت لغزندگي جاده با استفاده از تصاوير دوربين‌هاي جاده‌ايي مبتني بر شبكه‌هاي عصبي پيچشي و يادگيري انتقالي

تشخيص وضعيت لغزندگي سطح جاده امري مهم در راستاي افزايش امنيت جاده و سرنشينان و همچنين توسعه خودروهاي خودران و فناوري‌هاي مرتبط با آن است. در اين راستا پژوهش‌هاي مختلفي با روش‌ها و حسگرهاي متفاوت، با استفاده از داده‌هاي گوناگوني نظير تصوير، صوت و فركانس موج صورت گرفته‌است. اين مقاله بدون استفاده از حسگرها و روش‌هاي پرهزينه تنها با استفاده از تصاوير دوربين‌هاي مداربسته موجود در جاده‌ها و بهره‌گيري از شبكه‌هاي عصبي پيچشي انجام شده است. ايده اصلي پژوهش جاري استفاده از رويكرد يادگيري انتقالي است. بنابراين در ابتدا اهميت و مزاياي استفاده از يادگيري انتقالي، در قالب آموزش شبكه‌اي با ساختار InceptionNetv3 بيان شده است. در مرحله بعد با استفاده از چارچوبي جديد به نام GFNet، شبكه عصبي پيچشي ResNet50 و شبكه عصبي بازگشتي با يكديگر تركيب و با استفاده از يادگيري انتقالي آموزش داده شده‌اند. درنهايت شبكه‌اي با توانايي تشخيص سطح جاده، در سه دسته خشك، خيس و برفي با دقتي بالغ ‌بر 96% به‌دست آمده است.