采用深度卷积神经网络的路面破损智能识别

为有效识别沥青路面病害类别，将VGG卷积神经网络引入沥青路面病害识别中. 根据VGG模型随着卷积核深度的加深可获得图片更深层次特征的特点，将VGG模型最后一层卷积核的卷积深度加深，得到改进型VGG模型，并与原始VGG模型进行比较. 结果表明：改进型VGG模型每步用时278ms，相比于原始模型每步用时258ms略有增加，而病害识别精度进一步提升了1.36%，对龟裂、松散等复杂裂缝分别提高了1.12%、0.84%. 可见，VGG模型可有效识别路面病害，将其适当改进后效果更佳，对诸如松散、龟裂等复杂路面病害可做到精确识别，能及时、有效监测路面破损状况.     

基于深度学习和ArcMap的路面病害智能综合检测方法

为了提升路面病害检测效率,实现路面病害检测结果的可视化显示,结合深度学习技术和ArcMap地理信息系统,设计一种适用于沥青路面的路面病害智能综合检测方法.该检测方法首先利用基于视觉几何组(visual geometry group, VGG)模型的卷积神经网络进行路面图像分类,再利用基于单步多框检测(single shot MultiBox detector, SSD)模型的目标检测网络实现路面病害识别,最后利用ArcMap地理信息系统生成道路健康地图.测试结果表明：基于VGG-16模型的路面图像分类准确率为94.60%,能够判别正常路面和病害路面;基于SSD模型的路面病害识别平均精确度为87.36%,能够有效识别坑槽、松散、车辙、裂缝、泛油和修补等6类病害类型;基于ArcMap系统的道路健康地图能够实现病害定位与结果显现.     

基于改进卷积神经网络的苹果叶部病害识别

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,在瓶颈层后采用选择性核(selective kernel,简称SK)卷积模块;最后,使用全局平均池化代替全连接层.实验结果表明:与其他传统网络模型相比,该模型能更准确快速捕获苹果病害叶片上微小的病斑.     

改进型VGG算法对小样本路面破损的分类识别

为解决小样本沥青路面破损图片在分类识别中存在的识别精度差的问题,选择常见的5种路面破损类型,提出了一种基于VGG的浅层深度卷积神经网络模型的路面破损图像分类方法. 首先,将采集到的图像集进行预处理并自制成数据集. 其次,设置三种不同的批处理量尺寸和两种不同的网络层数作训练,选择最适合该网络模型的尺寸,得到浅层VGG模型. 将处理后的路面图片直接作为模型的输入,作模型的训练、验证及测试. 最后,将模型试验结果与支持向量机及目前主流的深度卷积神经网络模型的试验结果进行对比. 结果表明：浅层VGG模型在训练集、验证集及测试集的分类准确率接近,对路面破损图像的分类识别准确率都达到98%以上,表现出模型良好的识别能力;与支持向量机及目前主流的网络模型试验结果相比,浅层VGG网络模型训练耗时少且泛化能力更强,模型提取到的特征更丰富,可获得更加全局的信息. 可见,浅层VGG模型在对小规模图像的分类识别中具有显著优势,同时相比其他方法更具鲁棒性,结果更精确.     

沥青路面严重龟裂、网裂病害处治技术

公路沥青路面由于受到自然环境和车辆荷载的作用,产生各种路面病害,给公路运行造成较大影响,文章从公路养护的角度出发,针对G312线沥青路面出现的严重龟裂、网裂病害,提出一些切实可行的解决办法和对策,对今后沥青路面的预防性养护及施工有一定的参考。     

浅谈沥青路面早期破坏原因

沥青路面早期破坏的原因,不仅与设计、施工等路面形成前的环节有关,而且与路面形成后的使用、养护管理有关。沥青路面早期破坏的现象有：龟裂、纵向裂缝、横向裂缝、坑槽、松散、沉陷、车辙、波浪拥包、泛油、修补等。尤其裂缝最严重。下面就病害产生原因作一简单分析。     

浅析沥青路面的常见病害及处治措施

沥青路面是指在矿质材料中掺入了路用沥青材料,这样不但使路面平整少尘、不透水、经久耐用,而且大大提高了行车压力和自然因素对路面损害的能力,由于其显著优点,沥青路面在我国的道路建设中使用非常广泛。但是,在长期车载压力和自然环境变换和腐蚀作用下,沥青路面也常见松散、翻浆等路面病害,给道路安全造成隐患,所以,彻底的认识各种病害成因,有效的对病害进行处治就是在沥青路面养护工作中的重点。下文中主要以在G109线靖远段的管养经验为基础,对沥青路面的病害成因进行相应的分析和建议。     

LTC沥青再生养护剂在57省道上的应用

近年来随着经济的发展,公路交通量的逐年增大,我县各干线公路不堪重负,沥青路面提前破坏现象凸显,大多数沥青路面出现微裂缝、龟裂、网裂、松散、麻面、渗水等病害,直接影响沥青路面的使用寿命。我县在沥青路面养护中,积极尝试使用LTC沥青再生养护剂养护,延长了该路段路面的使用寿命,取得了良好的效果。     

基于多分支深度学习的沥青路面多病害检测方法

为了准确、快速地识别路面多病害，采用一种基于多分支框架的深度学习方法，提取并融合路面图像的大、小尺度特征，将路面二维图像和三维图像作为网络输入，增强病害特征.采集裂缝、条状修补、块状修补、坑槽、松散等沥青路面病害图像共计10 562张，进行人工标注.结果表明：500次训练后该方法的平均交并比为0.83,准确率和召回率的调和平均数F值为0.90,优于U-net、PSPNet、DeepLabv3+等方法；在单一类别上，对条状修补、坑槽、松散、桥接缝等分割效果最优，对裂缝、块状修补的识别展现出较强的鲁棒性；所提方法的识别效果高于仅使用单一输入或者单一分支的方法.因此，双通道和多分支的设计方法可以显著提升网络对多类别路面病害的识别精度.     

浅谈沥青路面常见病害的出现原因及根治方法

沥青路面作为一种柔性路面,因其本身具有表面平整、无接缝、行车舒适、耐磨、震动小、噪声低、施工期短、养护维修简便、适宜于分期修建等优点在公路建设中得到了广泛的应用,从乡村道路到城市道路,从三级路到高速公路,均普遍采用。但由于沥青材质本身的差异,以及受设计和施工水平等众多因素的影响,沥青路面常常出现龟裂、泛油、松散、坑槽、雍包等常见病害,这些病害的出现严重影响了行车舒适度、行车速度、行车安全,加大了汽车磨损、油耗,缩短了沥青路面使用寿命,影响了道路投资效益。本文分析了沥青路面出现各种病害的原因,并粗略提出了根治措施。     

一种新的沥青路面灌封裂缝自动提取方法

为了提高基于图像处理的沥青路面病害识别效率和精度,引入图像增强处理中的多尺度视网膜(multi-scale Retinex, MSR)算法以减弱光照不均匀、道路场景多变等因素对路面病害图像质量的影响。针对SegNet网络难以精确分割沥青路面微小病害的问题,采用比视觉几何群网络(visual geometry group network, VGG)效果更好的残差网络(residual network, ResNet)作为主干网络,同时加入空洞卷积(dilation convolution)层,提高网络对细小病害的识别性能;针对改进网络在识别病害时误检率较高的问题,运用阈值法剔除分割结果中的假阳性。为了验证改进算法的有效性,将其与具有代表性的语义分割方法(如SegNet、BiSeNet)在相同数据集上进行对比,三者的平均交并比(mean intersection over union, MIoU)分别为0.776 3、0.674 3、0.697 1,三者的F₁分数(F₁-score,F₁)分别为0.899 9、0.874 3...     

改进的Alexnet模型在水稻害虫图像识别中的应用

深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。     

基于卷积神经网络的直肠癌淋巴结转移的智能判断模型研究

近年来,直肠癌的患病率普遍提高,准确判断直肠癌周围淋巴结的转移情况,能显著提高患者的治愈概率。通过建立数学模型,运用卷积神经网络模型进行智能判断直肠癌淋巴结转移情况。以直肠肿瘤患者动脉期的电子计算机断层扫描(computed tomography, CT)图像和肿瘤掩模图为样本,建立基于U-Net的CT图像识别分割模型,通过下、上采样分割出直肠肿瘤所在的区域,对肿瘤区域已转移淋巴结的普遍特征进行深度挖掘,利用尺度不变特征变换匹配(scale invarian feature transform, SIFT)算法自动找出肿瘤区域特征点,以及传统的特征纹理、面积、周长和体素强度,分别送入传统卷积神经网络模型和改进后的卷积神经网络模型VGG16网络模型,进行训练、预测、对比。结果表明：传统卷积神经网络模型的准确率在75.32%,而改进后的VGG16网络模型准确率在90.04%,可见,VGG16网络模型对直肠癌淋巴结转移情况的预测效果更好。     

动荷载作用下沥青路面的表面裂缝扩展研究

【目的】研究沥青路面表面裂缝在动荷载作用下的扩展行为,分析完整沥青路面结构和含表面裂缝结构的负荷响应,探讨应力强度因子K₂随着荷载变化的规律,以及表面裂缝在扩展过程中K₂的敏感性,为公路工程中路面结构抗裂设计提供一定理论依据。【方法】应用有限元软件ABAQUS建立沥青路面表面裂缝结构模型,基于动力学理论对交通荷载作用下沥青路面结构进行数值计算。【结果】动荷载作用下,完整沥青路面的表面弯沉较静态荷载有所减小,随着裂缝扩展深度的增大,弯沉值会逐渐增大; 动应力强度因子K₂的变化曲线较荷载变化曲线具有一定的滞后性,且最大值大于静态荷载下K₂的值; 表面裂缝向下扩展过程中,K₂在扩展前期增长速率较快,扩展至面板厚度一半后,K₂的增长速率逐渐放缓; 减小面层模量、增大基层模量和厚度,能够较好地抑制表面裂缝的扩展,其余参数则影响较小; K₂随着行车荷载的增大呈线性增长趋势,裂缝扩展越深K₂增加越显著。【结论】延长含表面裂缝的沥青路面结构的使用寿命,较好的方法是减小面层动态模量,适当增大基层的动态模量以及增大基层的厚度。     

裂缝形式和参数对路面动力性能的影响

对于半刚性基层沥青路面,裂缝是常见的病害,对于不同的裂缝形式和参数,对路面造成的影响不同。行驶状态下的路面由于路表不平等原因,行车荷载对路面的作用往往以瞬间冲击荷载形式发生,落锤式弯沉仪(FWD)荷载为冲击荷载,可以很好的模拟行车荷载对路面的动力作用。本文针对路面在不同裂缝间距、宽度和开裂深度情况下对破损路面进行分析。对于此类动力问题的求解,有限元法是比较成功的方法之一。建立真实可靠的路面模型,是对破损路面进行分析的关键,同时对补强设计提供正确依据。     

半刚性及复合基层沥青路面破损指标演变规律研究

为对高速公路路面科学养护决策提供有效的数据支持,对半刚性基层、复合基层沥青路面破损数据进行汇总分析,提出沥青路面平均病害种类、病害覆盖率及贡献率等路面破损衍生指标。分析结果表明:复合基层、半刚性基层路面不同时期平均病害种类基本一致,病害覆盖率、贡献率最大均是横裂修补、纵裂修补、纵向裂缝(轻)、横向裂缝(轻)等4种病害;半刚性基层早期微裂缝的扩展速度明显高于复合基层路面,两种基层路面的纵向裂缝(重)病害发展最迅速阶段出现于同一阶段;相较于半刚性基层,复合基层将横向裂缝(重)、块状裂缝发展最迅速阶段延后,复合基层路面比半刚性基层路面具有更好的养护弹性。路面养护策略、措施的选择,宏观上应该根据不同基层类型及路面病害在不同时期的演变规律进行选择。     

沥青还原剂在沥青路面预防性养护中的应用研究

沥青还原剂封层技术是一种常用的沥青路面预防性养护技术。阐述了还原剂养护材料的性能要求和评价方法,并就还原剂对沥青的恢复作用进行了研究。结合应用情况,对沥青还原剂预防性养护技术的施工技术做了简要的介绍,并对处理后效进行了评价。研究表明,沥青还原剂对老化的沥青路面性能具有一定的恢复作用,对路面细微裂缝有一定的封堵作用,但在一定程度上会降低路面的抗滑能力。     

热塑性树脂对高等级道路沥青性能的增强

根据基准沥青性状，ＥＶＡ的醋酸乙烯脂含量与熔融指数，以及性能改善的预期目标，采用多元共混方式使基准沥青的强度，韧性，粘性和温度稳定性均有明显提高。形成一种路用品质优良的树脂改性沥青。通过常规和专项性能测试，证实了这种ＥＶＡ改性沥青制配成的沥青混凝土能减缓沥青面层低温开裂损坏，提高结构整体强度，减少高温永久变形的累积，从而明显延长了面层的使用寿命。     

路斗士灌缝施工工艺简析

文章对沥青路面裂缝病害进行分析,并对沥青密封胶灌缝施工工艺进行了阐述,为不同等级公路发生的路面横、纵缝的处治提供了借鉴经验。     

沥青混凝土路面早期病害成因分析与对策

阐述了沥青混凝土路面常见的早期病害现象——裂缝、水破坏、松散等,对病害的原因进行了分析,并从优化设计、加强施工管理和材料控制等方面,提出了沥青混凝土路面防治处理的一些措施,以期减少和避免类似病害的再发生,延长沥青混凝土路面的使用寿命,提高公路的使用性能和经济效益。