原文传递
基于机器视觉的路面病害检测技术对比研究
| 题名： | 基于机器视觉的路面病害检测技术对比研究 |
| 作者： | 王华 |
| 作者单位： | 江西九江长江公路大桥有限公司 |
| 关键词： | 路面病害;深度学习;机器视觉;目标检测;性能对比 |
| 摘要： | 道路在交通荷载、自然老化及环境影响的综合作用下，服役过程中其表面将产生种类繁杂、严重程度不一的病害，对行车舒适性和安全造成不利影响。为明确路面病害检测领域最适用模型特征，首先分析深度卷积神经网络结构及激活函数、损失函数应用效果，使用R-CNN、YOLO系列中最具代表性的网络采用路面病害数据集进行训练、验证、测试工作，对模型训练评价指标及检测效果的影响因素开展深入研究。结果表明，YOLOv5算法相比于其他算法能够有效提高日常巡检效率，根据测试集数据显示，YOLOv5算法最高检测准确率可达到90.01%，具有显著优势。 |
| 期刊名称： | 黑龙江交通科技 |
| 出版年： | 2022 |
| 期： | 12 |
| 页码： | 64-66 |
检索历史
应用推荐
