卷积神经网络在道路裂缝检测中的应用*

韩海航 ，迟凤霞

（1.浙江省道桥检测与养护技术研究重点实验室，浙江 杭州 310012；2.浙江省交通运输科学研究院，浙江 杭州 310012）

沥青路面作为公路工程的重要组成部分，是推动经济发展的重要基础设施。随着使用年限的增长，沥青路面出现了不同形式病害，其中路面裂缝已经成为省内公路及城市道路的最主要病害。伴随计算机与摄像头等硬件的发展，将检测装备搭载于车辆，可以在80km/h 的车速下开展检测工作并且不阻碍交通。车载设备能在短时间内快速获取大量路面高质量数据。目前对所采集的裂缝图像主要通过人工进行分析判断，但人工分析存在工作效率低、劳动强度大、复现性差、人力成本高、精准度低等缺陷。近年来也有众多研究利用数字图像处理技术进行沥青路面病害识别，多局限于二维灰度图像分析技术。但是二维图像信噪比较低，无法精确提取目标信息，因此应用效果不尽人意。路面裂缝采集技术在各国都已经有较为成熟的设备，并且能够为相应的科研机构和科研人员提供高质量的路面图片；但是在沥青路面裂缝智能分析上应用技术尚不成熟，需要进一步提高。近年来，基于深度学习进行裂缝检测的研究逐渐开展，如西安电子科技大学使用卷积神经网络对桥梁裂缝进行检测，长安大学应用CNN 和Faster-CNN 进行路面裂缝识别与定位。

为了改进公路沥青路面裂缝的智能识别技术，提高裂缝识别的速度与准确度，进一步提高裂缝分析效率，降低工作量，本文从卷积神经网络基础概念出发，具体分析了卷积神经网络在沥青路面自动化检测中的应用。……