工程建设与设计2023，Issue(2) ：105-109.DOI:10.13616/j.cnki.gcjsysj.2023.01.234

基于深度学习的公路裂缝病害自动识别技术研究

Research on a Road Crack Identification Method Based on Deep Learning Model

隆星
工程建设与设计2023，Issue(2) ：105-109.DOI:10.13616/j.cnki.gcjsysj.2023.01.234
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的公路裂缝病害自动识别技术研究

Research on a Road Crack Identification Method Based on Deep Learning Model

隆星1
扫码查看

作者信息

  • 1. 中国铁建投资集团有限公司,广东 珠海519031;西安交通大学人居环境与建筑工程学院,西安 710049
  • 折叠

摘要

针对目前裂缝识别存在样本较少,识别精度受样本采集时的环境因素影响较大等问题,提出一种结合VGG网络和SegNet网络的裂缝分割算法模型(DeepCrack),解决了模型鲁棒性较差的缺陷,实现了裂缝的像素级(pixel-level)识别定位.基于该模型与另外6种深度学习模型在公开道路数据集CRKWH100和CrackL315上的测试结果表明:该模型不仅可以实现对裂缝的识别定位,还能准确地提取裂缝的尺度信息,研究结果可应用于实际工程检测.

关键词

高速公路/深度学习/病害识别/卷积神经网络

引用本文复制引用

基金项目

中国铁建投资集团科技研发项目(ZTJ2021WBXKYKT)

出版年

2023
工程建设与设计
国家机械工业局工程建设中心 中国机械工业勘察设计协会 中国中元国际工程公司

工程建设与设计

影响因子：0.494
ISSN：1007-9467
被引量1
参考文献量6
段落导航相关论文