交通世界2024，Issue(9) ：5-7.

基于深度学习算法的路面病害检测技术研究

李佳兴 秦志超 李凯强
交通世界2024，Issue(9) ：5-7.
✕
  • 维普
  • 万方数据

基于深度学习算法的路面病害检测技术研究

李佳兴 1秦志超 2李凯强3
扫码查看

作者信息

  • 1. 中冶检测认证有限公司,北京 100080
  • 2. 金环建设集团有限公司,河北石家庄 050000
  • 3. 天津市政工程设计研究总院有限公司,天津 300000
  • 折叠

摘要

为研究基于深度学习算法的路面病害检测技术,建立路面病害改进检测模型,并通过所选数据集对该改进模型的有效性进行测试.通过对路面病害检测速度和精度的优化,提高了检测路面病害的准确度.测试结果表明,对于不同数据集,改进YOLO模型下的召回率Re、准确率Pr以及平衡F分数F1三个参数较原始模型均有所提高,验证了改进YOLO模型的优越性.但准确率的提高可能会导致召回率的降低,召回率的提高也可能会导致误诊率的增加.对于不同的应用场景,需要结合具体情况来评估召回率和准确率的重要性,并进行模型调优.

关键词

深度学习/路面病害检测/精度优化/模型改进

引用本文复制引用

出版年

2024
交通世界
交通运输部科学研究院

交通世界

影响因子：0.478
ISSN：1006-8872
参考文献量5
段落导航相关论文