การประยุกต์ใช้ปัญญาประดิษฐ์สำหรับการตรวจวิเคราะห์ความเสียหายของพื้นผิวทางวิ่งและทางขับของสนามบิน

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ในการตรวจวิเคราะห์และจำแนกประเภทความเสียหายของพื้นผิวทางวิ่ง (Runway) และทางขับ (Taxiway) ของสนามบิน เพื่อเพิ่มประสิทธิภาพในการตรวจสอบและซ่อมบำรุงความปลอดภัยภาคพื้นดิน โดยจำแนกประเภทความเสียหายออกเป็น 9 ประเภท ได้แก่ Corner-break, Corner-spalling, Crack, D-crack, Joint-seal-damage, Joint-spalling, Map-crack, Patch และ Spalling โดยประยุกต์ใช้แบบจำลองการเรียนรู้เชิงลึกด้วยอัลกอริทึม YOLOv8x สำหรับการตรวจจับวัตถุและประเมินประสิทธิภาพของโมเดลด้วยตัวชี้วัด Precision, Recall, F1 Score, mAP@50 และ mAP@50-95 ซึ่งได้ค่าประสิทธิภาพเฉลี่ยเท่ากับ 0.90, 0.84, 0.87, 0.89 และ 0.67 ตามลำดับ ผลลัพธ์แสดงให้เห็นว่าแบบจำลองสามารถตรวจจับและจำแนกประเภทความเสียหายของพื้นผิวทางวิ่งสนามบินได้อย่างแม่นยำและมีศักยภาพในการนำไปประยุกต์ใช้จริงในการตรวจสอบผิวทางแบบใกล้เวลาจริง (Near Real-Time) เพื่อลดภาระของเจ้าหน้าที่ภาคพื้นและเพิ่มความปลอดภัยในการปฏิบัติการบิน