-
题名基于U-Net的道路裂缝分割检测
- 1
-
-
作者
胡彩旭
-
机构
上海浦江桥隧运营管理有限公司
-
出处
《中文科技期刊数据库（引文版）工程技术》
2024年第2期0145-0149,共5页
-
文摘
道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识精度有效提升的重要技术手段和突破方向,机器学习成为主流。本研究采用U-Net网络,整合多个公开裂缝分割数据集,从而提高模型的性能和泛化能力,最终实现各种复杂情况下道路裂缝的分割检测任务。
-
关键词
道路裂缝识别
U-Net模型
图像分割
深度学习
-
分类号
[TU997]
[建筑科学—市政工程]
-
-
题名面向线阵列CCD道路影像的裂缝识别
被引量：1
- 2
-
-
作者
贾迪
宋伟东
戴激光
朱红
-
机构
辽宁工程技术大学电子与信息工程学院
辽宁工程技术大学测绘与地理科学学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2016年第12期1623-1633,共11页
-
基金
辽宁省博士启动基金项目(20141142)
辽宁省"百千万人才工程"基金项目(2011921063)~~
-
文摘
目的道路裂缝的等级评定是公路养护的基本任务之一,目前国内相关部门主要通过线阵列相机采集道路影像,由于道路影像裂缝的识别会受到多种因素干扰(树木及车辆的投影、光照变化、油渍、树枝与稻草等条状物、各类垃圾),降低了基于道路影像自动识别裂缝算法的准确率,导致对于路面等级评价依旧采用人工的方式进行,为此提出一种道路影像裂缝鲁棒识别方法。方法由于采集的图像尺寸较大,同时为了避免光照不均匀带来的问题,首先对图像进行分块,采用改进的CV模型对分块影像进行预处理,获得初步的分割结果。其次,通过以下4个特点识别线阵列CCD道路影像的裂缝:1)裂缝在分块区域中占据较小的面积比;2)裂缝在影像中呈现的连续性较差;3)裂缝的宽度与长度比值较小;4)同一段裂缝的走向基本一致。为了利用裂缝的后两项特点,采用椭圆拟合的方法计算初步分割区域的方向,并以此为基础将这些区域分为4类。在每个分类中,分别计算各区域内的质心位置,建立质心间的矢量表,设计递归算法计算其共线性,获得裂缝检测结果,并以此为基础构造活动模型的初始距离矩阵,通过在原图中迭代求解更为精确的裂缝区域。结果从2 000幅道路影像中挑选包含道路裂缝的影像100幅,并按序号等间隔分别取出5组未含有裂缝的影像100幅,每组200幅组成数据集进行测试,采用分类指标统计的方法评测本文算法性能,在正确率、灵敏度、特效度、精度上均达到95%以上,道路裂缝的检测与提取时间约为1min。结论该方法不仅可以有效地识别裂缝,同时可以克服了环境中多种因素的干扰,误识别率较低,具有较高的实际应用价值。
-
关键词
道路裂缝识别
椭圆拟合
质心
干扰物
水平集
-
Keywords
pavement crack detection
ellipse fitting
centroid
interference
level set
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
