Статус проекта: В процессе реализации
Университет: Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования «Московский технический университет связи и информатики» (МТУСИ)
Руководитель проекта: Городничев Михаил Геннадьевич, m.g.gorodnichev@mtuci.ru
Информационные материалы к проекту: https://clck.ru/34cgtx
Цель и задачи
Разработка интеллектуальной системы сбора и анализа дефектов дорожного полотна посредством стереокамеры.
1. Разработать установку для сбора данных
2. Сбор уникального набора данных
3. Разработать нейросетевые алгоритмы для детектирования и классификации дефектов дорожного полотна
4. Разработать высоконагруженную платформу для агрегации и анализа данных
5. Провести вычислительный эксперимент на реальных данных
Разработка интеллектуальной системы сбора и анализа дефектов дорожного полотна посредством стереокамеры.
1. Разработать установку для сбора данных
2. Сбор уникального набора данных
3. Разработать нейросетевые алгоритмы для детектирования и классификации дефектов дорожного полотна
4. Разработать высоконагруженную платформу для агрегации и анализа данных
5. Провести вычислительный эксперимент на реальных данных
Основные результаты проекта.
1. Собран уникальный набор изображений, состоящий из изображений дорожного полотна, на которых изображены повреждения дороги. Структура датасета состоит из 4 классов дефектов полотна. При этом количество снимков с проломами равняется примерно 6600, количество снимков с просадками равняется примерно 5500, количество снимков с выбоинами равняется примерно 8300, а снимков с другими дефектами около 4500. При разметке данные структурируются и к каждому изображению формируются метаданные в формате xml, содержащие данные о положении дефекта на снимке и его размеры.
2. Разработаны нейросетевые алгоритмы детектирования и классификации дефектов дорожного полотна
3. Разработана высоконагруженная платформа для агрегации и анализа данных
1. Собран уникальный набор изображений, состоящий из изображений дорожного полотна, на которых изображены повреждения дороги. Структура датасета состоит из 4 классов дефектов полотна. При этом количество снимков с проломами равняется примерно 6600, количество снимков с просадками равняется примерно 5500, количество снимков с выбоинами равняется примерно 8300, а снимков с другими дефектами около 4500. При разметке данные структурируются и к каждому изображению формируются метаданные в формате xml, содержащие данные о положении дефекта на снимке и его размеры.
2. Разработаны нейросетевые алгоритмы детектирования и классификации дефектов дорожного полотна
3. Разработана высоконагруженная платформа для агрегации и анализа данных