论文摘要
为了检测道路裂纹种类从而掌握路面状况信息进而为路面养护提供依据,研究了结合改进VGG卷积神经网络和空间分布的道路裂纹种类的识别方法。通过改进VGG网络的输入层和FC层神经元的个数,解决基于灰度图的裂纹子块的二分类识别问题,并对比不同结构的VGG网络框架在裂纹分割的结果,确定VGG11是解决基于灰度图的裂纹分割的最佳网络结构,利用基于子块的连通区域方法去除噪声子块,通过主成因分析方法提取裂纹子块的空间分布向量和对应分布系数,根据空间分布系数的比值识别道路裂纹类型。利用不同地点采集的180张裂纹图像对该方法进行验证。结果表明,该方法在识别横向裂纹、纵向裂纹和网状裂纹的正确率分别为97.6%,97.3%和95.4%。该方法可有效地识别道路裂纹种类,特别在油污等路面复杂状况下,该方法依然具有较好的检测结果。
论文目录
文章来源
类型: 期刊论文
作者: 王相龙,胡钊政,穆孟超,陶倩文,张帆
关键词: 道路工程,道路裂纹识别,深度学习,裂纹图像处理
来源: 交通信息与安全 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 武汉理工大学智能交通系统研究中心
基金: 国家自然科学基金项目(51679181),湖北省留学人员科技活动项目择优资助经费项目(No.2016-12)资助
分类号: U418.6;TP391.41;TP183
页码: 95-102
总页数: 8
文件大小: 1514K
下载量: 322