| Abstract |
Latvijas ceļu infrastruktūras uzturēšanā joprojām pastāv problēmas. Vienlaikus, datorredzes un mašīnmācīšanās tehnoloģijas pēdējos gados ir pietiekami attīstījušās, lai automatizētu infrastruktūras uzraudzības procesus. Darba mērķis bija izstrādāt ceļa defektu noteikšanas un reģistrēšanas sistēmas prototipu.
Darba ietvaros tika izveidots un apmācīts Faster R-CNN objektu detektēšanas modelis ar ResNet-50 mugurkaulu. Modeļa apmācībā izmantota gan no publiski pieejamiem, gan darba autora uzņemtiem ceļu attēliem izveidota un anotēta datu kopa. Apmācītais modelis tika konvertēts ONNX formātā - izmantošanai Android vidē.
Kotlin lietotne spēj secīgi analizēt ierīces kameras kadrus, nosakot ceļa bojājumus, un attēlojot tos kameras priekšskatījumā. Objektu detekcijas saglabātas kopā ar to GPS koordinātām un veikto brauciena maršrutu, kuru iespējams apskatīt gan tiešsaistes Google Maps, gan bezsaistes MBTiles karšu režīmos. Saglabātos braucienus iespējams eksportēt GeoJSON formātā darbībām ārpus izveidotās sistēmas. lietotnē, pieejami vairāki sistēmas iestatījumu parametri, piemēram, detekcijas pārliecības slieksnis un atsevišķu klašu izslēgšana no reģistrācijas ierakstā.
Darba gaitā tika analizēta oriģinālā Faster R-CNN modeļa, ONNX modeļa un pilnās Android sistēmas veiktspēja, tostarp detekciju rezultāti un inferenču izpildes ātrums. Sistēma tika pārbaudīta reālos braucienos, divos atšķirīgos maršrutos, dienas un nakts apgaismojuma apstākļos. Iegūtie rezultāti parādīja, ka sistēmas darbību ietekmēja modeļa ievaddatu izmērs un inferenču izpildes ātrums, kā arī kameras novietojums, apgaismojums un citi ārējās vides faktori, piemēram, automašīnas virsbūves atspīdumi. Uz testēšanā izmantotās Android ierīces praktiski piemērotākais bija ONNX modelis ar 400 × 400 pikseļu ievaddatu izmēru, jo tas nodrošināja biežāku kameras kadru apstrādi. Izveidotā sistēma uzskatāma par eksperimentālu ceļa defektu noteikšanas un reģistrēšanas prototipu, kura iegūtos GeoJSON datus, pēc manuālas pārbaudes iespējams izmantot potenciālo ceļa defektu koncentrācijas vietu noteikšanai, izbrauktajā maršrutā.
Bakalaura darbā ir 74 lappuses, 22 attēli, 22 tabulas, 24 pielikumi un 105 informācijas avoti. |
