融于图像多特征的路面裂缝智能化识别

摘要：

路面裂缝形状不规则复杂程度高.传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类.为提高对路面裂缝识别精度和效率,将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法.首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型.实验结果表明:ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,Kappa系数为0.815.

关键词：路面裂缝;裂缝检测;深度学习;卷积神经网络(CNN);图像识别

所属期刊栏目：21

分类号：U418(道路工程)

资助基金：国家重点研发计划;国家自然科学基金;兰州交通大学优秀平台支持项目

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10491-10497