fa اندازه‌گیری ترک‌های موجود بر دیواره پل‌های بتنی با استفاده از تصاویر ویدیو فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="font-size:14px;"><span style="font-family:IRANsharp;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span style="letter-spacing:-0.1pt"><span lang="FA"><span b="" nazanin="">تشخیص ترک یکی از مهم‌ترین مراحل پایش سلامتی سازه‌های بتنی ازجمله پل‌های بتنی می‌باشد. با تشخیص به‌موقع ترک می‌توان از آسیب‌ها و خرابی‌های احتمالی بعدی، جلوگیری به عمل آورد. نتایج به‌دست‌آمده از روش‌های سنتی از یک فردبه‌فرد دیگر متفاوت است. از طرف دیگر این روش‌ها بسیار وقت‌گیر و دشوار است. به همین دلیل باید به سمت روش‌های نوین اندازه‌گیری ازجمله روش‌های اندازه‌گیری مبتنی بر تصویر رفت. هدف از این تحقیق ارائه روشی مبتنی بر تصویر، جهت شناسایی و اندازه‌گیری ترک‌ها در پل‌های بتنی با تلفیق روش‌های فتوگرامتری و یادگیری عمیق است. در این روش ابتدا یک ویدیو از پل گرفته می‌شود، سپس فریم‌های کلیدی این ویدیو با استفاده از روش‌های یادگیری عمیق استخراج می‌شود و تمام فریم‌های اضافی با توجه به این موضوع که پوشش تصاویر رعایت شود حذف می‌شوند. در ادامه با استفاده از فریم‌های کلیدی و با توجه به تارگت‌های ایجادشده بر روی پل، مختصات مراکز تصویربرداری مشخص می‌شود. حال با توجه به مختصات مراکز تصویربرداری، تصاویر مربوط به هر ترک خوشه‌بندی می‌شود. درنهایت با استفاده از تصاویر هرکدام از خوشه‌ها، تصویر قائم ترک‌ها تولید می‌شود و در تصویر تولیدشده، طول و عرض ترک‌ها اندازه‌گیری می‌شود. ارزیابی‌ها نشان می‌دهد که روش ارائه‌شده می‌تواند با حفظ دقت مناسب میزان تصاویر مورداستفاده را به یک‌پنجم کاهش دهد و به‌تبع آن سرعت پردازش در حدود پنج برابر افزایش یابد. </span></span></span></span><span new="" roman="" times=""><span style="letter-spacing:-0.1pt"><span lang="FA"><span b="" nazanin="">همچنین با مقایسه نتایج به‌دست‌آمده با مقادیر واقعی مشخص شد که بیشترین خطای اندازه‌گیری، مربوط به عرض ترک 2/1 میلی‌متر و طول ترک 11 میلی‌متر می‌باشد بنابراین خطا در روش ارائه‌شده در حدود 3 تا 4 درصد می‌باشد.</span></span></span></span></span></span></span></span></div> &nbsp; <div style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Times New Roman;"><span new="" roman="" times="">The identification and measurement of cracks in concrete structures, particularly bridges, are pivotal elements of health monitoring. Traditional assessment methods, while essential, present inconsistencies across individual experts and are laborious due to manual processes. Consequently, there is a pressing need for innovative approaches, such as image-based methods, that combine photogrammetry with deep learning techniques. This research introduces a novel image-based technique for detecting and measuring cracks in concrete bridges. The procedure commences with the capture of a video of the bridge, which is subsequently processed to extract key frames utilizing deep learning algorithms. Non-essential frames are discarded based on the criteria of image end lap. Following this, the projective centers of the target areas on the bridge are identified through the use of key frames. Subsequent to determining the projective centers, images pertinent to each crack are grouped together via clustering algorithms. This process refines the data set, enabling the production of orthophotos that depict the cracks. The dimensions of these cracks are then measured within the orthophotos, with reference objects employed to convert pixel measurements into physical units. Empirical evaluations demonstrate that this method significantly reduces the quantity of required images by approximately one-fifth while maintaining high accuracy. Consequently, the processing velocity is amplified by a factor of five. </span>Additionally, comparison of the obtained results with actual values showed that the highest measurement error belongs to crack width of 2.1 mm and crack length of 11 mm. Therefore, the error in the presented method is approximately 3 to 4 percent.</span></span></div> فتوگرامتری, یادگیری عمیق, پردازش تصویر, ترک پل‌های بتنی, فریم‌های کلیدی Photogrammetry, deep learning, image processing, concrete bridge cracks, keyframes 29 55 http://jgst.issgeac.ir/browse.php?a_code=A-10-787-2&slc_lang=fa&sid=1 farzad zare zadeh فرزاد زارع زاده zarezadeh@email.kntu.ac.ir 100319475328460011123 100319475328460011123 No دانشکده مهندسی نقشه برداری – دانشگاه صنعتی خواجه نصیرالدین طوسی ali hosseininaveh علی حسینی نوه hosseininaveh@kntu.ac.ir 100319475328460011124 100319475328460011124 Yes دانشکده مهندسی نقشه برداری – دانشگاه صنعتی خواجه نصیرالدین طوسی mojtaba mahmoodian مجتبی محمودیان mojtaba.mahmoodian@rmit.edu.au 100319475328460011125 100319475328460011125 No گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه RMIT استرالیا