基于机器学习和图像处理的路面裂缝检测技术研究

• 作者: 张伟光 钟靖涛 于建新 马涛 毛硕 石艺兰
• 来源期刊: 中南大学学报（自然科学版）
• 关键词: 路面裂缝 卷积神经网络 图像处理 裂缝几何特性
• 年，卷（期）: 2021,（7）
• 页码范围: 2402-2415
• 页数: 14页
• 分类号: U416.2
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2021.07.026

摘要

基于机器学习,设计路面裂缝的快速检测算法,搭建卷积神经网络,对沥青路面图像进行收集和处理,分析多层感知机和卷积神经网络两类神经网络模型在沥青路面状态识别的效果.采用高精度卷积神经网络识别算法提高图像识别效率,借助混淆矩阵对比分析2类模型的识别准确率,对比空间域滤波、阈值二值化以及形态学滤波3类裂缝图像的处理方法,进行裂缝形态提取.研究结果表明:卷积神经网络模型准确率为99.75％,精度比多层感知机的高,能够对无裂缝、横向裂缝、纵向裂缝以及龟裂4类裂缝图像进行高精度识别.中值滤波算法能够有效提取路面裂缝的长度、宽度和面积,研究成果可用于路面裂缝快速检测.