论文题名: | 基于深度学习的公路路面裂缝检测 |
关键词: | 公路路面;裂缝检测;卷积神经网络;高斯滤波;Yolo5算法 |
摘要: | 随着国家对于公路建设的投入不断增加,道路的维护变得越来重要。为了确保道路上车辆的正常行驶、道路管理部门及时的掌握道路的破损情况以及及时采取相应的修护措施,需要对公路裂缝进行检测。 最近深度学习在视觉领域飞速发展,深度学习的精度已经得到了很大的提高。深度学习的最大优点是可以根据原始图像特点进行抽象表达,而不需要手动设计特征。本文根据公路路面裂缝检测问题,设计了一种能够利用卷积神经网络的裂缝检测的方法。本文主要内容是: 首先介绍了深度学习卷积神经网路的基础理论与原理,卷积神经网路的组成以及各层的作用。论文介绍了常见的目标检测算法,比较分析目标检测领域的R-CNN系列算法和YOLO系列算法,最近出现的Yolo5在目标检测上的速度和精度都性能良好。然后介绍了Yolo5的网络结构。 其次,对数据集中裂缝图片进行去噪,本文根据路面裂缝图片的特征,为了得到图像的关键特征信息,采用了高斯滤波处理。由于深度学习需要大量的数据集进行训练,但找到的数据集较少,进行了对图片翻转平移的方式对裂缝图片数量扩充。再对数据集的图像进行打标签。 最后,本文采用Yolo5算法对路面裂缝进行检测,并对Yolo5算法进行优化训练和检测。实验结果表明,该算法对复杂的背景下的路面裂缝图片,其路面裂缝目标识别和定位、裂缝分类都取得不错的效果。 综上所述,论文使用优化的Yolo5算法对路面裂缝检测,提供了一种快速可靠的路面裂缝检测方法,具有一定的工程应用价值。 |
作者: | 李鑫 |
专业: | 计算机技术 |
导师: | 李平 |
授予学位: | 硕士 |
授予学位单位: | 华中科技大学 |
学位年度: | 2021 |