原文传递
基于Faster R-CNN与形态法的路面病害识别
| 题名： | 基于Faster R-CNN与形态法的路面病害识别 |
| 作者： | 晏班夫;徐观亚;栾健;林杜;邓露 |
| 作者单位： | 湖南大学;中南林业科技大学 |
| 关键词： | 道路工程;路面;Faster;R-CNN?病害识别;形态法 |
| 摘要： | 为提高基于图像处理的路面表观病害检测识别效率及精度，引入目标检测中的快速区域卷积神经网络(Faster Region Convolutional Neural Network，FasterR-CNN)算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域，采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架，进而利用形态法操作提取裂缝形态，计算其长度与宽度;针对FasterR-CNN算法在病害种类识别时漏检率低但误检率偏高的问题，引入精确率、召回率和尺分数指标对算法进行评估，并根据比分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率，以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东高速公路路面进行表观检测。结果表明:所提方法对典型裂缝图片妁识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并，且病害框像素面积及置信度阈值取优化值后，横向裂缝精确率由合并前的0.861提升至合并后的0.918，横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%，漏检率则稍有提高。基于FasterR-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点，在引入评估指标、最优病害框像素面积与置信度阈值后，病害误检率也大幅降低，具有潜在工程应用价值。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202109 |
| 出版年： | 2021 |
| 期： | 09 |
| 页码： | 181-193 |
检索历史
应用推荐
