![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[112藍]](/static/image/ecs/logo_13.png){kind=logo}
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。
本研究為2年期計畫之第1年期，完成的主要研究成果，計有：(1)蒐集相關深度學習應用影像辨識技術之文獻，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)蒐集欲探討之邊坡場址衛星、航測、UAV…等影像，以為後續深度學習之訓練及驗證資料庫使用；(3)比較各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：
本研究探討應用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：
可提供公路總局、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。
本研究為2年期計畫之第1年期，完成的主要研究成果，計有：(1)蒐集相關深度學習應用影像辨識技術之文獻，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)蒐集欲探討之邊坡場址衛星、航測、UAV…等影像，以為後續深度學習之訓練及驗證資料庫使用；(3)比較各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：
本研究探討應用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：
可提供公路總局、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。