基于深度学习的城市道路沥青路面病害智能检测仿真实验

作     者：杨盼盼 郭杨成 YANG Panpan;GUO Yangcheng

作者机构：南京工业大学浦江学院土木与建筑工程学院江苏南京210000 华设设计集团股份有限公司江苏南京210000 

出 版 物：《粘接》 (Adhesion)

年 卷 期：2023年第50卷第12期

页      码：174-178页

摘      要：为提高城市道路沥青路面病害检测精度,提出一种基于深度学习的智能检测方法。方法以Faster R-CNN网络为基础检测模型,通过对采用拟合值填充方式优化Faster R-CNN网络卷积层,提升网络对目标检测的准确性,实现了Faster R-CNN网络的改进;然后利用改进后的Faster R-CNN网络对城市道路沥青路面病害进行检测,实现了沥青路面病害的智能检测。仿真结果表明,所提的改进Faster R-CNN网络可有效检测城市道路沥青路面坑槽、裂缝病害,且具有较高的检测精度,平均精确度的均值达到为90.26%。相较于标准Faster R-CNN网络和ResNet、U-Net目标检测算法,在平均精确度的均值和单张图像的检测速度指标上具有明显优势,可用于实际城市道路沥青路面病害检测。

主 题 词：路面病害检测 深度学习 Faster R-CNN网络 拟合值填充 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1001-5922.2023.11.044

馆 藏 号：203125194...