基于改进U-net模型的路面裂缝智能识别

• 作者: 李林 罗文婷 陈泽斌
• 来源期刊: 数据采集与处理
• 学科: 交通运输
• 关键词: U?net 人工智能 2D激光图像 路面裂缝 数据增强
• 年，卷（期）: 2020,（2）
• 页码范围: 260-269
• 页数: 10页
• 分类号: U416.2
• 字数: 4132字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.02.007

摘要

路面裂缝快速检测及响应是道路养护部门的一项重要工作,然而传统的裂缝检测方法耗时且准确度低.因此,本文基于改进后的U-net模型实现对路面裂缝精准地自动识别.结合Canny边缘检测、Otsu阈值分割算法和人为干预手段研发一款半自动标注软件,用以实现路面裂缝的像素级标注.研究以路面2D激光图像为数据集,并在此基础上通过数据增强进行数据集样本扩充,从而构建模型训练原始样本库;在实验分析阶段,使用交叉熵损失函数判断预测值与真实值的误差大小,并结合Adam算法优化模型.研究表明改进后的U-net模型在识别精度及泛化能力上均优于原U-net模型及全连接神经网络模型.该研究将为道路养护管理部门的路面病害快速检测提供技术支撑,从而利于快速响应、采取措施保证路面的行车安全.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李林	福建农林大学交通与土木工程学院	23	57	4.0	7.0
2	罗文婷	福建农林大学交通与土木工程学院	10	31	3.0	5.0
3	陈泽斌	福建农林大学交通与土木工程学院	2	0	0.0	0.0