-
题名复杂场景下农村道路裂缝分割方法
被引量：3
- 1
-
-
作者
张晋赫
秦育罗
张在岩
宋伟东
朱洪波
-
机构
辽宁工程技术大学测绘与地理科学学院
交通时空大数据研究中心
宿迁学院建筑工程学院
黑龙江科技大学矿业工程学院
-
出处
《测绘通报》
CSCD
北大核心
2022年第5期74-74,75-78,88,共6页
-
基金
国家自然科学基金(42071343)
宿迁市指导性科技计划项目(Z2020138)。
-
文摘
针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res⁃SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本。然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细。最后通过网络模型和预测方法进行对比试验。结果表明,使用Res⁃SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res⁃SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753。
-
关键词
裂缝识别
深度学习
数据集
Res⁃SegNet模型
分块预测
-
Keywords
crack detection
deep learning
dataset
Res⁃SegNet model
block prediction
-
分类号
P23
[天文地球—摄影测量与遥感]
-
-
题名农村路面多类型病害检测方法研究
被引量：2
- 2
-
-
作者
朱洪波
张在岩
秦育罗
宋伟东
张晋赫
-
机构
辽宁工程技术大学测绘与地理科学学院
辽宁工程技术大学地理空间信息服务协同创新研究院
黑龙江科技大学矿业工程学院
宿迁学院建筑工程学院
-
出处
《测绘科学》
CSCD
北大核心
2022年第9期170-180,共11页
-
基金
国家自然科学基金项目(42071343)
宿迁市指导性科技计划项目(Z2020138)
2020年度黑龙江省省属高等学校基本科研业务费项目(2020-KYYWF-0690)
-
文摘
针对实际采集场景下路面影像中病害受背景纹理噪声影响程度大、病害边缘模糊导致分割不准确的问题,该文提出了一种基于Res_UNet和全连接条件随机场的路面病害像素级精准检测方法:(1)对路面影像进行灰度化、中值滤波和自适应直方图均衡化等预处理;(2)根据辽宁省多年份实测路面影像制作大规模、多场景、像素级路面病害数据集,然后融合注意力机制及Dense Crf优化Res_UNet网络结构完成模型训练;并引入损失函数dice loss增强了该方法对细小病害提取的能力;(3)将深度卷积神经网络分割后的路面病害特征图导入全连接条件随机场,对预测的路面病害结果进行轮廓优化,其检测结果为获取路面裂缝宽度,进而评估路面病害等级奠定了基础。该文选用2000张辽宁省农村公路实测路面影像,并以人工判读作为标准,分别从准确率、召回率和精确率3个方面验证本文方法、分水岭算法和Res_UNet模型在实际工作环境下的农村公路路面病害分割性能。结果表明,方法的准确率为91.3%,召回率为87.8%,精确率为87.5%,路面病害轮廓提取更加精细,能够适应于复杂路面条件下病害高鲁棒分割。
-
关键词
路面影像
病害分割
深度学习
全连接条件随机场
Res_Unet
-
Keywords
pavement image
division of disease
deep learning
full connection condition random field
ResUnet
-
分类号
U418.6
[交通运输工程—道路与铁道工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
