原文传递
基于深度学习的路面病害检测与分类识别研究
| 论文题名： | 基于深度学习的路面病害检测与分类识别研究 |
| 关键词： | 公路路面病害;目标检测;深度学习;图像处理 |
| 摘要： | 由于我国对基础设施建设的不断推进，公路交通也在逐年稳步发展，逐渐形成了庞大的路网体系。与之相伴的便是越来越多的公路养护问题。快速而准确检测出道路的伤病损害目标，可以帮助路政部门或者相关道路养护机构及时对路面进行修复，从而保障我国道路交通安全。本文针对智能手机拍摄的道路病害图片进行检测，并对如何提高复杂背景下多类别、多尺度道路病害检测精度进行了研究，具体如下。 首先，为了得到适用于我国道路路面病害检测的由智能手机采集得到的具备复杂背景的公路路面病害数据集。在对公开数据集中图片进行数据清洗、图片选择之后通过翻转、裁剪，改变图像亮度等数据增强方式对已有的公开数据集中样本图像进行预处理，一共获得11902张道路病害图片数据。之后使用智能手机架设在机动车前挡风玻璃后，通过视频拍摄的方式采集我国道路病害，使用视频剪辑软件按照一定的帧数输出图片。在对图片进行裁剪后，使用LabelImg软件进行数据标注，共得到2367张格式为PASCAL VOC的我国城市道路路面病害数据图像。将两数据集合并后用于改进网络的训练。 其次提出将注意力ECANet网络模块添加到YOLOv5网络结构的加强特征提取网络中，用于提升网络有效关注有用特征信息的能力。最后使用DIOU-NMS算法对预测框筛选方式进行改进，获得最接近真实框的检测框输出，对道路病害目标实现高效检测。 通过实验证明，本文所提基于YOLOv5的道路路面伤病损害检测方法可以提高通过智能手机拍摄得到的拥有复杂背景的不同类别，不同大小的路面病害检测精度。本文研究可为我国公路养护工作提供相应的帮助与支持。 |
| 作者： | 高翔 |
| 专业： | 电子信息 |
| 导师： | 郭中华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁夏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
