按 Enter 到主內容區
:::

交通部運輸研究所Institute of Transportation, MOTC

:::
  • 小字級
  • 中字級
  • 大字級
  • 列印
  • facebook
  • plurk
  • twitter

研究報告下載

書名 多期多尺度影像結合深度學習於邊坡地貌變異判識之初探(1/2)-影像蒐集及辨識演算法架構探討
出版單位 運輸技術研究中心
出版年份 112
出版月份 3
價格 200
上網
摘要

      交通部111 年度施政計畫重點項目之一為「強化智慧應用,提升運輸效率」,提出應加強結合5G、AI 等新興科技應用,實現智慧交通數位轉型;2020 年版運輸政策白皮書提出「應用AI、UAV 及遙測技術於鐵公路巡檢或監測」為重點之行動方案。

本計畫為2 年期計畫之第1 年期,主要研究成果計有:(1)蒐集深度學習應用影像辨識技術相關文獻,並探討影像辨識應用於邊坡地貌變異判識之方法與可行性;(2)蒐集邊坡場址之衛星、航測、UAV…等影像,做為後續深度學習之訓練及驗證資料庫使用;(3)比較各類深度學習框架及神經網路模式對於邊坡地貌判識之適用性,藉以找出合適之演算法。
成果效益:
本計畫探討應用AI 技術結合多時期、多尺度(衛星、航測、UAV…等)之邊坡監測影像進行邊坡地貌變異判識之可行性,並希冀藉由新興科技及技術之探討,於未來能達成地貌判識、裸露塌地範圍自動圈選及土方量體判定等效用,以利公路邊坡管理單位之日常巡查作業及災後復原工作更加便捷快速。
提供政府單位應用情形:
研究成果提供公路總局、高速公路局於公路邊坡管理及災防之應用,以及本所人工智慧技術研發相關研究後續探討與應用。

張貼日 112-03-24

檔案下載

瀏覽人次:127
回頁首