| 基于深度学习的三维路面裂缝类病害检测方法 |
| |
| 引用本文： | 郎洪,温添,陆键,丁朔,陈圣迪.基于深度学习的三维路面裂缝类病害检测方法[J].东南大学学报(自然科学版),2021,51(1):53-60. |
| |
| 作者姓名： | 郎洪 温添 陆键 丁朔 陈圣迪 |
| |
| 作者单位： | 同济大学道路与交通工程教育部重点实验室,上海201804;上海海事大学交通运输学院,上海201306 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 为了在路面三维图像的基础上快速、准确、完整地识别裂缝,提出一种基于深度学习的路面裂缝类病害自动检测方法.首先,以子块图像为处理单元,将三维图像划分为裂缝面元和背景面元,其中背景面元包含了路面标线、不同纹理和桥接缝等复杂场景.根据对面元图像的分析,提出一种基于卷积神经网络的PCCNet分类模型,用于路面背景面元和路面裂缝面元的自动识别.然后,为了进一步提取裂缝面元内裂缝的完整轮廓,考虑路面三维图像中裂缝像素级邻域特征,利用PCCNet模型结合裂缝高程检查方法对路面裂缝进行检测.研究结果表明:通过训练集4 300张高精度三维图像的训练,模型在3 850次迭代之后出现过拟合,且此时PCCNet模型在验证集上的总体F值达到最大,为92.9％;将PCCNet模型结合裂缝高程检查方法应用在测试集的200张三维图像上,方法准确率、召回率和F值分别为87.8％、90.1％和88.9％.与改进Canny方法和种子识别方法对比,所提出的方法在抑制噪声和检测细小裂纹方面具有更强的鲁棒性.
|
| 关 键 词： | 道路工程 裂缝检测 三维图像 卷积神经网络 高程检查 |
3D pavement crack detection method based on deep learning |
| |
| Lang Hong,Wen Tian,Lu Jian,Ding Shuo,Chen Shengdi.3D pavement crack detection method based on deep learning[J].Journal of Southeast University(Natural Science Edition),2021,51(1):53-60. |
| |
| Authors: | Lang Hong Wen Tian Lu Jian Ding Shuo Chen Shengdi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
