An innovative Primary Surface Profile-based three-dimensional pavement distress data filtering approach for optical instruments and tilted pavement model-related noise reduction
Notice bibliographique
Résumé
The automatic pavement management system has the advantage of providing reliable pavement maintenance and rehabilitation strategies aiming at prolonging existing pavement service life. Therefore, the quality of noise reduction results, which is an unavoidable process of automatic pavement assessment evaluation, has a significant influence on the reliability of pavement maintenance operations suggested. The primary purpose of this paper is to propose an innovative three-dimensional (3D) pavement image-based data filtering protocol, thereby maintaining a highly functional pavement surface. First, a 3D pavement depth data collection system was developed using laser light and a charge-coupled device camera. After that, based on the analysis of Positive Noise and Negative Noise, which are optical instrument-related noises, and tilted pavement model noise, the Primary Surface Profile (PSP)-based raw data filtering approach was proposed which aims at improving the noise reduction quality. Validation experiments were conducted using both the proposed approach and the traditional data filtering method, and the results show that for the not tilted pavement surface model, the PSP-based filter method can achieve the highest noise reduction value (NRV), whereas for the tilted pavement surface model, with a slightly lower NRV than that of biphasic standard deviation average filtering, which demonstrates that the proposed data filtering method has self-adaptive and robust data filter advantages which can be incorporated into a high-performance pavement performance evaluation and management system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».