| Anotācija |
Mūsdienās ceļa satiksme paliek arvien aktīvāka un sarežģītāka, kā rezultātā
atrasties uz ceļa, ar pārvietošanās līdzekli vai bez, paliek arvien grūtāk un nedrošāk.
Liela ietekme uz ceļa drošību ir ceļa seguma stāvoklim. Lai nodrošinātu lielāku
drošību uz ceļiem, tiek pētīti iespējamie datorredzes risinājumi, kas ir spējīgi noteikt
ceļa seguma stāvokli no foto attēliem. Tiek apskatīti dažādi datorredzes algoritmi,
paveidi un veikts to salīdzinājums, rezultātā izvirzot padziļināto mašīnmācīšanos.
Padziļinātās mašīnmācīšanās izpētē tiek apskatīti dažādi mākslīgie neironu tīkli, un
izvirzīts konvolucionālo neironu tīklu (CNN) algoritms. Tiek veikts CNN arhitektūras
sastāvdaļu apskats, kā arī noskaidrotas detaļas par to kā jāveido datu kopa, no kuras
tiks apmācīts datorredzes risinājums. Tiek apskatīti līdzīgie risinājumi brauktuves
stāvokļa novērtēšanai, lai smeltos idejas datorredzes modeļa izstrādei. Tiek izveidotas
vairākas datu kopas, no kurām tiks apmācīti vairāki datorredze modeļi. Datiem tiek
pielietota to priekšapstrāde un pavairošana. Tiek izstrādāts datorredzes modelis ar
VGG16 arhitektūru un pilnībā apvienoto slāņu klasifikatoru, veicot pārneses
apmācīšanu. Izveidotie datorredzes modeļi tiek novērtēti un testēti, lai noteiktu to
precizitāti. Tiek izvēlēts datorredzes modelis ar 80% precizitāti un spēju noteikt vai
ceļš ir sauss, slapjš vai apsnidzis. Izvēlētais datorredzes modelis tiek iestrādāts
mikroservisa pakalpojumā, lai nodrošinātu to plašākai lietošanai un veiktu tā
demonstrāciju. Darba apjoms – 63. lpp., 8 tabulas, 28 attēli un 2 pielikumi. |
