原文传递
基于二维线阵图像的高速公路沥青路面病害感知方法研究
| 论文题名： | 基于二维线阵图像的高速公路沥青路面病害感知方法研究 |
| 关键词： | 高速公路;沥青路面;公路养护;线阵图像;病害感知 |
| 摘要： | 近年来，随着我国高速公路规划建设目标的完成以及高速公路交通网络的不断完善与发展，高速公路的养护问题日益凸显，如何通过技术手段提高公路养护的信息化、专业化、智能化水平是是公路养护领域亟待解决的问题之一。高速公路沥青路面病害检测和分类技术是实现道路养护智能化的重要基础，其工作的难点在于针对公路路面的微细裂纹以及多种类型的病害检测和分类具有较大难度。鉴于此，本文开展了基于二维线阵图像的高速公路沥青路面病害感知方法的研究工作，所取得的研究成果及创新点如下： 首先，基于Faster-RCNN、Yolov5s、SSD三种卷积神经网络，构建了用于高速公路沥青路面病害检测的FR-PDD、Yolov5s-PDD和SSD-PDD三种网络模型；对高速公路沥青路面病害图像数据集进行了数据增强及标注，并开展了模型训练及对比实验，实验结果表明FR-PDD、Yolov5s-PDD和SSD-PDD三种网络模型的平均检测和分类精度mAP均优于92％，其中Yolov5s-PDD网络模型性能最优，其平均识别精度mAP达98.1%。 其次，基于FCN和Deeplabv3+两种语义分割神经网络，构建了用于高速公路沥青路面病害分割的FCN-D121-PDS、FCN-D201-PDS、DL-D-PDS、DL-M-PDS四种网络模型；对高公路沥青路面病害图像数据集进行像素级人工标注，并开展了模型训练及对比实验，实验结果表明DL-M-PDS网络模型优于其他三种，其分割精度达到98.0%、平均交并比达到77.5%；基于DL-M-PDS网络模型优化得到DL-M1-PDS、DL-M2-PDS两种分割网络模型，对比实验结果表明DL-M2-PDS分割模型优于DL-M1-PDS，其分割精度达到98.3%、平均交并比达到78.3%。 最后，提出了用于高速公路沥青路面病害感知的FCNN-PDP-FR、FCNN-PDP-Yolov5s和FCNN-PDP-SSD三种融合网络模型构建方法；采用DL-M2-PDS网络模型对原路面病害图像进行分割得到二值化图像，并将分割图像与原图像进行叠加，构建了用于融合模型训练的高速公路沥青路面病害数据集；训练并优化了FCNN-PDP-FR、FCNN-PDP-Yolov5s和FCNN-PDP-SSD三种融合网络模型，并开展了对比实验，实验结果表明三种融合网络感知模型的平均检测和分类精度mAP均优于单网络模型，其中FCNN-PDP-Yolov5s融合感知模型对横裂、纵裂、网裂、坑槽及其他等类型病害的感知精度均优于98%，并且平均精度达到99.2%。 |
| 作者： | 郑有凤 |
| 专业： | 交通运输工程 |
| 导师： | 赵池航;毛志坚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
