Key points are not available for this paper at this time.
إن إمكانية الحصول على مجموعة بيانات كبيرة من الصور الحرارية تحت الحمراء خلال عمليات المسح للغطاء المبني والحضري تتطلب تطوير طرق سريعة وفعالة لمعالجة محتواها. تقدم هذه الدراسة نموذجًا جديدًا لشبكة الأعصاب التلافيفية (CNN) العميقة (DL) لتحديد أوجه القصور في الغطاء على مجموعة بيانات من الصور الحرارية تحت الحمراء (IR) لغطاء المباني. تم استخدام مجموعة بيانات من الصور التي تم الحصول عليها باستخدام طائرة مسيرة (UAV) مع أقنعة تقسيم إضافية تم إنشاؤها لتطبيق النموذج المناسب لـ U-NET. يتم تقديم عملية إعداد البيانات هذه تليها مراجعة معمقة لهندسة CNN المستخدمة في عملية التقسيم. تم تبسيط كود Python3 الذي تم تطويره لهذه الدراسة لتسهيل التطبيق للباحثين غير المتخصصين في علم البيانات. تظهر نتائج هذا البحث دقة عالية. ومع ذلك، هناك حاجة إلى مجموعات بيانات كبيرة لتدريب نموذج CNN-DL بشكل أفضل.
درس غرتسفولف وآخرون (الخميس) هذا السؤال.