一种基于Fast-RCNN的道路病害检测算法

• 作者: 田杨 邱玲
• 来源期刊: 市政技术
• 学科: 交通运输
• 关键词: 道路 病害识别 目标检测 卷积神经网络 道路养护
• 年，卷（期）: 2020,（z1）
• 所属期刊栏目: 检测与评估
• 页码范围: 123-127
• 页数: 5页
• 分类号: U418.4
• 语种: 中文

摘要

采用Fast-RCNN方法,将图像识别技术、GPS位置信息和车载信号信息有机结合,并将道路巡查车辆采集的道路图片进行自动化识别,包括坑槽、裂缝在内的道路病害信息,再根据从赤峰市道路巡查收集到的8 000张道路病害数据,建立病害样本库,基于病害特征训练和测试Fast-RCNN模型,最后引入自动分区算法优化模型测试性能.实验结果表明,基于Fast-RCNN的目标检测模型能够达到84.9％的识别精度,并且能够生成包含病害定位、时间属性、病害信息在内的病害识别报告,能够有效提升道路病害识别的准确率与道路养护效率.