原文传递
基于数据增强的公路路面缺陷检测方法研究
| 论文题名： | 基于数据增强的公路路面缺陷检测方法研究 |
| 关键词： | 公路路面缺陷检测;低光照工作环境;图像生成;注意力机制;轻量化网络 |
| 摘要： | 随着我国公路交通系统的大规模建成使用，对公路的养护任务成为当下公路交通系统建设的重中之重，而公路路面缺陷检测是公路养护的首要前提，研究高效的公路路面缺陷检测方法十分必要。目前已经开展了针对公路路面多类别缺陷检测的研究，但已有的方法只能在正常光照环境中工作并且检测性能较低，而在现实生活中，公路路面缺陷检测还经常面临隧道中、天桥下、夜间紧急检测抢修等低光照工作环境。此外，移动端设备逐渐成为主流的公路路面缺陷检测设备，现有的高算力方法无法满足设备的硬件配置需求。因此研究高准确性、高实时性、轻量化的能适应不同光照工作环境的公路路面缺陷检测方法具有重大的现实意义和研究价值。 针对上述问题，本文提出基于数据增强的公路路面缺陷检测方法，并通过大量实验和分析验证本文方法的综合性能。具体研究如下： （1）通过自行采集新图像和利用多种数据增强手段增强原有图像对公开正常光照路面缺陷数据集进行补充和完善，得到了满足本文研究所需的高质量正常光照路面缺陷数据集RDD-W。 （2）针对低光照路面缺陷图像缺失和人工标注困难的问题，本文从数据增强的角度出发，提出了一种仿真低光照路面缺陷图像生成方法CycleGAN-CLAHE。该方法可以将已标注的正常光照路面缺陷数据集RDD-W的风格迁移为低光照风格，得到的数据集RDD-B可以用于训练公路路面缺陷检测器并能有效提升检测器在低光照工作环境中对路面多类别缺陷的检测能力。通过将数据集RDD-W与数据集RDD-B合并得到包含正常光照路面缺陷图像和仿真低光照路面缺陷图像的数据集RDD-WB，利用该数据集训练得到能适应不同光照工作环境的公路路面缺陷检测器。 （3）考虑公路路面缺陷图像的特征，受注意力机制启发，本文基于自注意力机制提出了C3-BoT模块，将C3-BoT模块与另一个注意力模块NAM引入YOLOv5s网络使网络在建立图像全局信息之间的依赖和重点关注缺陷信息的同时抑制图像中的干扰信息，提高了基于网络所得的公路路面缺陷检测器的检测性能。向YOLOv5s网络中引入可以高效采样特征和分配特征的GSConv模块，实现轻量化网络结构，使基于网络所得的公路路面缺陷检测器在提升检测性能的同时更加轻量化。 实验结果表明，本文提出的仿真低光照路面缺陷图像生成方法可以生成高质量的仿真低光照路面缺陷图像，生成的图像具有良好的可用性和实用性。基于本文方法对比基于YOLOv5s方法，所得的公路路面缺陷检测器满足轻量化需求的同时，能在不同光照工作环境中对横向裂缝、纵向裂缝、网状裂缝和坑洼四类缺陷的平均检测准确率提高1.7%，达到了75.9%。 |
| 作者： | 陈迈 |
| 专业： | 软件工程 |
| 导师： | 张家晨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
