摘要：结合具体的工程案例,对公路路面裂缝形成的原因进行了分析,提出了公路路面裂缝养护的具体措施,包括罩面养护、雾封层养护、压降法养护、灌缝法养护等,并对公路路面裂缝处理施工技术的应用情况进行了探究。

摘要：为了充分掌握路面裂缝信息,给路面养护管理、路面性能评价与预测、路面结构和材料设计提供参考,对路面裂缝图像自动分类与严重程度识别进行研究。首先,将裂缝轮廓进行矢量化处理,从而分离出单个裂缝区域进行特征计算与分析,提取倾角、块度、空洞等新的裂缝几何特征;然后,选择裂缝分类特征(裂缝空洞、长宽比和倾角明显程度),基于统计阈值区分线性裂缝和网状裂缝;最后,分别根据倾角和宽度对线性裂缝进行分类和严重程度识别,根据块度特征识别块状裂缝、龟裂及其严重程度。结果表明:裂缝分类和严重程度识别结果准确有效,可在无人为干预的情况下准确、自动、实时地提取路面裂缝种类和严重程度信息。

摘要：基于机器学习,设计路面裂缝的快速检测算法,搭建卷积神经网络,对沥青路面图像进行收集和处理,分析多层感知机和卷积神经网络两类神经网络模型在沥青路面状态识别的效果。采用高精度卷积神经网络识别算法提高图像识别效率,借助混淆矩阵对比分析2类模型的识别准确率,对比空间域滤波、阈值二值化以及形态学滤波3类裂缝图像的处理方法,进行裂缝形态提取。研究结果表明:卷积神经网络模型准确率为99.75%,精度比多层感知机的高,能够对无裂缝、横向裂缝、纵向裂缝以及龟裂4类裂缝图像进行高精度识别。中值滤波算法能够有效提取路面裂缝的长度、宽度和面积,研究成果可用于路面裂缝快速检测。

摘要：采用格子Boltzmann方法(LBM)研究分析沥青路面裂缝的细观渗流特性,建立了压力梯度作用下复杂单裂隙面细观渗流的数值模型,然后使用光滑平板裂隙渗流的经典立方定律对模型进行了验证,并且讨论了沥青混合料裂隙面的粗糙度与弯曲度对其渗流特性的影响.结果表明:随着裂隙面相对粗糙度的增大,裂隙渗流明显偏离了立方定律;随着裂隙面弯曲度的增大,裂隙渗流与弯曲度的-3.8327次方成正比.最后,采用自行研制的可加围压的侧壁橡胶膜止水渗透仪测量沥青混合料裂隙面的渗透系数,并与立方定律实用修正公式的计算结果进行对比,结果发现两者误差较小,修正公式的计算结果更加准确合理,可以为路面水渗入率计算提供准确的基本参数,从而为路面排水设计提供有价值的参考.

摘要：路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题。为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足。最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考。

摘要：针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题,对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理;然后以图像截面为研究对象,分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验,从而获得裂缝截面;接着对各个方向的裂缝截面进行融合和去噪,获得完整的裂缝二值图像;最后,根据路面粗糙度的高低,变化高斯分布特征检验中的相关参数,实现裂缝的高精度检测.研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的F值,优于基于三维光影、种子识别的典型三维图像裂缝检测方法.

摘要：裂缝定位是路面裂缝检测与识别系统的关键问题之一。结合实际工程应用,给出了一种基于GPS的裂缝定位方法。首先应用正交多项式拟合的方法对原始定位数据进行误差校正,采用高斯投影获得平面定位数据;然后确定裂缝的相邻里程桩位置,使用分段插值方法插值出中间点坐标;最后计算出裂缝距最近里程桩的累积距离。结果表明,该算法应用于车速分别为50、60、70km/h的路面裂缝定位,最小误差为0.3368 m,最大误差为5.5623 m,满足了系统设计要求。

摘要：在回顾国内外路面裂缝检测装置小型化研究现状的基础上,进行了小型化路面裂缝检测装置设计,从平台选材、相机选型、镜头选型和图像采集卡选型等方面入手,搭建起基于CCD相机的路面裂缝图像采集装置,能为后续处理提供高质量的图像数据。

摘要：针对使用YOLOv5模型检测路面裂缝未能充分考虑裂缝尺度差异大、目标小的特性以及与背景不易区分等因素导致检测精度低的问题,提出了一种基于改进YOLOv5的路面裂缝检测算法.首先,引入Swin Transformer模块到YOLOv5模型中,提升网络全局特征提取能力.其次,在主干网后增加膨胀卷积模块,旨在特征融合前提取主干网全局特征信息.最后,通过加入注意力机制模块来增强模型对检测目标的关注力并削弱背景干扰因素的影响.实验结果表明,改进YOLOv5模型在路面裂缝数据集中检测精度有较大提升,相比原模型平均精度均值提升了3.4个百分点,其中龟裂精度提升最明显,且检测裂缝的平均精度均值高于其他典型的一阶段目标检测算法,证明了改进YOLOv5模型的有效性.

摘要：针对传统BP算法抗干扰能力差、学习速率慢且易陷入局部极小值等缺点,提出了一种基于变更传递函数倾斜度和动态调节不同学习速率的BP改进算法,给出了一种新的传递函数,设计了复合误差函数,同时采用了一种分层动态调整不同学习率的新方法,以加快传统BP算法的收敛速度和避免陷入局部极小值,并对路面裂缝图像进行了试验,比较了BP改进算法与传统BP算法在裂缝检测中的性能参数。试验结果表明,BP改进算法将全局均方误差减小了0.812 5,检测速度提高了30%,能够充分满足路面裂缝自动检测的实时性要求,是一种行之有效的方法。